pytorch中torch.max()的用法

用法：
(max, max_indices) = torch.max(input, dim, keepdim=False)

输入： input是输入的tensor，dim指定在哪一维度求最大值，keepdim表示是否需要保持输出的维度与输入一样，keepdim=True表示输出和输入的维度一样，keepdim=False表示输出的维度被压缩了，也就是输出会比输入低一个维度。
输出： max为最大值的结果，max_indices为相应最大值的索引。

对dim的详细讨论：

• 没有传递dim值：在输入的整个tensor中求最大值
• 如果 $0\le dim\le x.dim()-1$ ，x.dim()代表输入数据x的维度， 表示在第几维度上求最大值
• 如果 $dim<0$ , 相当于dim+x.dim(),也就是说dim=-1相当于传入的是x.dim()-1

dim=0是沿着最粗数据粒度的方向进行操作，x.dim()-1是按照最细粒度的方向进行操作

代码示例：

1.keepdim

_的作用：
有时用作临时或无意义变量的名称。也表示python REPL中最近一个表达式的结果。

2.dim

x是二维数组：

dim=0表示第二维度固定，在第一维度上求，第一维度是行索引变化找最值，也就相当于取每一列的最大值。

dim=1表示第一维度固定，在第二维度上求，也就是列索引在变化找最值，相当于取每一行的最大值

x是三维数组：

dim=0表示固定第二和第三维，变化第一维求最值，可以把三维数组看成一个每个元素是个二维数组的一维数组，因此变化第一维相当于在每个二维数组之间对应位置求最值，因此得到的输出max的维度是2 * 4。
dim=1表示固定第一维和第三维，变化第二维求最值，第二维实际上是每个二维数组的第一维，也就是变化行索引而列索引不变，也就是相当于二维dim=0的情形，因此输出max的维度是3 * 4。
dim=2表示固定第一和第二维，变化第三维求最值，第三维实际上是每个二维数组的第二维，也就是变化列索引而行索引不变，也就是相当于二维dim=1的情形，因此输出max的维度是3*2。

对于三维的输入，dim=-1相当于dim=3-1=2，dim=-2相当于dim=3-2=1, 结果如上，可与前面dim=1和2的时候进行对比。