【PyTorch】max、mean、Max/AvgPool
一、torch.max
torch.max(input, dim, keepdim=False)
参数：
\qquad input: 输入 是一个tensor
\qquad dim: max函数索引的维度
\qquad keepdim: 保持输出的维度
\qquad\qquad\quad\;\; 当keepdim=False时，输出比输入少一个维度（就是指定的dim求范数的维度）。
\qquad\qquad\quad\;\; 当keepdim=True时，输出与输入维度相同，仅仅是输出在求范数的维度上元素个数变为1。
当max函数中有维数参数的时候，它的返回值为两个，一个为最大值，另一个为最大值的索引.
1.1、当input为二维时
1、不输入dim, 默认是求所有维度所有元素的最大值
import torch
input = torch.rand((2, 2))
print("input=", input)
max = torch.max(input)
print("max=", max)
2、输入dim=0, 默认是求每一列的最大值
import torch
input = torch.rand((2, 2))
print("input=", input)
max, _ = torch.max(input, dim=0)
print("max=", max)
3、输入dim=1, 默认是求每一行的最大值
import torch
input = torch.rand((2, 2))
print("input=", input)
max, _ = torch.max(input, dim=1)
print("max=", max)
4、测试 keepdim=True
import torch
input = torch.rand((2, 2))
print("input=", input)
max, _ = torch.max(input, dim=1, keepdim=True)
print("max=", max, "max_shape=", max.size())
1.2、当input为三维时
1、不输入dim, 默认是求所有维度所有元素的最大值
import torch
input = torch.rand((2, 2, 2))
print(input)
mean = torch.max(input)
print(mean)
2、输入dim=0, 默认是求每一个位置的元素在所有维度上的最大值
import torch
input = torch.rand((2, 3, 3))
print(input)
mean, _ = torch.max(input, dim=0)
print(mean)
3、输入dim=1, 默认是求每个channel上每一列的最大值
import torch
input = torch.rand((2, 3, 3))
print(input)
mean, _ = torch.max(input, dim=1)
print(mean)
4、输入dim=2, 默认是求每个channel上每一行的最大值
import torch
input = torch.rand((2, 3, 3))
print(input)
mean, _ = torch.max(input, dim=2)
print(mean)
5、测试 keepdim=True
import torch
input = torch.rand((2, 3, 3))
print(input)
mean, _ = torch.max(input, dim=0, keepdim=True)
print(mean)
print(mean.shape)
二、nn.AdaptiveMaxPool2d(1)
求出每个channel的最大值
import torch
from torch import nn
input = torch.rand((2, 3, 3))
print(input)
max_pool = nn.AdaptiveMaxPool2d(1)
max = max_pool(input)
print(max)
三、torch.mean
同上torch.max
四、nn.AdaptiveAvgPool2d(1)
同上nn.AdaptiveMaxPool2d(1)