在 PyTorch 中，torch.max 函数用于计算张量（tensor）的最大值。当你对 torch.max 使用两个参数时，第一个参数是你要操作的张量，第二个参数是维度（dimension）沿着该维度进行操作。函数会返回两个对象：最大值和最大值对应的索引。
使用 torch.max(p, 1) 的情况通常出现在处理分类问题的输出时，比如在一个模型的输出层，p 可能代表了每个类别的预测概率（或得分），并且你想要找出哪个类别的概率（得分）最高。
示例：
假设 p 是一个模型对三个样本的预测输出，每个样本有四个类别的得分：
import torch# 假设的模型输出，每行代表一个样本，每列代表一个类别的得分
p = torch.tensor([[1.0, 2.5, 0.5, 2.0], # 第一个样本[2.0, 1.5, 3.0, 0.5], # 第二个样本[0.5, 2.0, 1.5, 3.0]]) # 第三个样本
如果你执行 values, indices = torch.max(p, 1)，这里的 1 表示你想要沿着第一维（即每行，对应不同的样本）找到最大值。换句话说，你想要对每个样本找出最高的类别得分及其对应的类别索引。
执行上述操作后：
values将包含每个样本的最大得分。indices将包含这些得分对应的类别索引。
values, indices = torch.max(p, 1)
print("最大值:", values)
print("对应的索引:", indices)
如果 p 的内容如上所示，你会得到：
最大值: tensor([2.5, 3.0, 3.0])
对应的索引: tensor([1, 2, 3])
这意味着：
- 第一个样本的最大得分是
2.5，对应的类别索引是1。 - 第二个样本的最大得分是
3.0，对应的类别索引是2。 - 第三个样本的最大得分是
3.0，对应的类别索引是3。
这样，你就可以知道每个样本预测的最可能的类别。
