max函数的在机器学习预测中的用法

---

学习记录2022-11-16

在模型预测过程中使用max函数得到预测结果

在mnist手写数字识别任务中借鉴了一些网络上其他人的代码，在获取预测标签时，对其通过max函数（batch_size,output_dim）产生一个（batch_size,1）的操作维度进行了思考和操作，记录如下：

import torch
t=torch.randn(2,10)
'''tensor([[ 0.4639, -0.6434, -0.8804,  0.0192, -0.5394, -0.0999,  0.0267,  0.1806,
          0.2975, -0.0601],
        [-0.4422,  1.5921, -0.3773,  0.1243, -3.0484, -2.7290, -1.1835,  2.3530,
         -0.5194, -0.7286]])'''
t.max(dim=1)[0]#在第二维即列中比较，第二维中最大的，返回在第二维的值
#tensor([0.4639, 2.3530])
t.max(dim=1)[1]#在第二维即列中比较，第二维中最大的，返回在第二维的序号
#tensor([0, 7])
t.max(dim=0)[0]#在第一维即行中比较，第一维中最大的，返回在第一维的值
#tensor([ 0.4639,  1.5921, -0.3773,  0.1243, -0.5394, -0.0999,  0.0267,  2.3530,
#         0.2975, -0.0601])
t.max(dim=0)[1]#在第一维即行中比较，第一维中最大的，返回在第一维的序号
#tensor([0, 1, 1, 1, 0, 0, 0, 1, 0, 0])

这里注意，以示例（2，10）的tensor为例，第一维是可以看成行；大小为2，第二维可以看成列，大小为10。

---