【Pytorch】一文向您详细介绍 `tensor.max(1, keepdims=True)`

【🔥Pytorch】一文向您详细介绍 tensor.max(1, keepdims=True)

下滑即可查看博客内容
在这里插入图片描述

🌈 欢迎莅临我的个人主页 👈这里是我静心耕耘深度学习领域、真诚分享知识与智慧的小天地！🎇

🎓 博主简介：985高校的普通本硕，曾有幸发表过人工智能领域的 中科院顶刊一作论文，熟练掌握PyTorch框架。

🔧 技术专长：在CV、NLP及多模态等领域有丰富的项目实战经验。已累计提供近千次定制化产品服务，助力用户少走弯路、提高效率，近一年好评率100% 。

📝 博客风采：积极分享关于深度学习、PyTorch、Python相关的实用内容。已发表原创文章600余篇，代码分享次数逾九万次。

💡 服务项目：包括但不限于科研辅导、知识付费咨询以及为用户需求提供定制化解决方案。

🌵文章目录🌵

🧠一、初识`tensor.max()`
- - 示例代码
  - 解释
🚀二、深入理解`keepdims=True`
- - 对比示例
🤔三、应用于多维张量
- - 示例代码
🔮四、结论与展望

下滑即可查看博客内容

🧠一、初识`tensor.max()`

在PyTorch的广阔天地中，tensor.max() 函数如同一位灵巧的向导，引领我们探索张量（Tensor）世界中的最大值。这个函数不仅能够找出张量中的最大值，还能返回这些最大值的位置索引，是数据处理和模型优化中的得力助手。今天，我们的焦点将特别放在tensor.max(dim, keepdims=True)这一用法上，通过它，我们可以更精细地控制返回结果的结构。

示例代码

import torch# 创建一个简单的二维张量
tensor = torch.tensor([[1, 3, 2],[4, 0, 6],[7, 8, 9]])# 使用tensor.max(dim, keepdims=True)查找【每行】的最大值及其索引
max_values, indices = tensor.max(1, keepdims=True)print("Max Values:\n", max_values)
print("Indices:\n", indices)

输出：

Max Values:tensor([[3],[6],[9]])
Indices:tensor([[1],[2],[2]])

解释

在这个例子中，tensor.max(1, keepdims=True)沿着维度1（即每行）查找最大值，并通过keepdims=True参数保留了结果的维度信息，使得输出张量的形状与输入张量在指定维度上保持一致（除了被操作的维度外）。

🚀二、深入理解`keepdims=True`

keepdims=True这个参数的作用不容忽视，它允许我们在执行降维操作时保持输出张量的维度结构不变。这在很多情况下都非常有用，比如当你需要保持张量的形状以便进行后续操作时。

对比示例

# 不使用keepdims=True
max_values_no_keepdims, _ = tensor.max(1)
print("Max Values without keepdims:\n", max_values_no_keepdims)# 使用keepdims=True
max_values_with_keepdims, _ = tensor.max(1, keepdims=True)
print("Max Values with keepdims:\n", max_values_with_keepdims)

输出：

Max Values without keepdims:tensor([3, 6, 9])
Max Values with keepdims:tensor([[3],[6],[9]])

可以看到，不使用keepdims=True时，结果张量在维度1上被压缩了，而使用keepdims=True则保留了这一维度的信息。

🤔三、应用于多维张量

tensor.max(dim, keepdims=True)不仅限于二维张量，它同样适用于更高维度的张量。通过调整dim参数，我们可以指定沿着哪个维度进行操作。

示例代码

# 创建一个三维张量
tensor3d = torch.tensor([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])# 沿着最内层维度（dim=2）查找最大值及其索引
max_values_inner, indices_inner = tensor3d.max(2, keepdims=True)print("Max Values Inner:\n", max_values_inner)
print("Indices Inner:\n", indices_inner)# 沿着中间维度（dim=1）查找最大值及其索引
max_values_middle, indices_middle = tensor3d.max(1, keepdims=True)print("Max Values Middle:\n", max_values_middle)
print("Indices Middle:\n", indices_middle)