torch.max

torch.max(input, *, out=None) → Tensor

返回 input 張量中所有元素的最大值。

注意

max/min 和 amax/amin 之間的區別在於

• amax/amin 支援在多個維度上進行歸約，

• amax/amin 不返回索引。

當有多個輸入元素具有相同的最小或最大值時，amax/amin 會在這些值之間均勻分配梯度。

對於 max/min

• 如果對所有維度進行歸約（未指定 dim），則梯度會在相等的 max/min 值之間均勻分配。

• 如果在一指定的軸上進行歸約，則只傳播到索引的元素。

引數

input (Tensor) – 輸入張量。

關鍵字引數

out (Tensor, optional) – 輸出張量。

示例

>>> a = torch.randn(1, 3)
>>> a
tensor([[ 0.6763,  0.7445, -2.2369]])
>>> torch.max(a)
tensor(0.7445)

torch.max(input, dim, keepdim=False, *, out=None)

返回一個命名元組 (values, indices)，其中 values 是給定維度 dim 下 input 張量每行的最大值。而 indices 是找到的每個最大值的索引位置（argmax）。

如果 keepdim 為 True，則輸出張量的大小與 input 相同，只是在 dim 維度上大小為 1。否則，dim 會被壓縮（參見 torch.squeeze()），導致輸出張量的維度比 input 少 1。

注意

如果在一個縮減行中有多個最大值，則返回第一個最大值的索引。

引數

• input (Tensor) – 輸入張量。

• dim (int, optional) – 要縮減的維度。如果省略，則縮減所有維度。不支援顯式的 None。

• keepdim (bool, optional) – 輸出張量是否保留 dim。預設為 False。

關鍵字引數

out (tuple, optional) – 包含兩個輸出張量（max, max_indices）的結果元組

示例

>>> a = torch.randn(4, 4)
>>> a
tensor([[-1.2360, -0.2942, -0.1222,  0.8475],
        [ 1.1949, -1.1127, -2.2379, -0.6702],
        [ 1.5717, -0.9207,  0.1297, -1.8768],
        [-0.6172,  1.0036, -0.6060, -0.2432]])
>>> torch.max(a, 1)
torch.return_types.max(values=tensor([0.8475, 1.1949, 1.5717, 1.0036]), indices=tensor([3, 0, 0, 1]))
>>> a = torch.tensor([[1.0, 2.0], [3.0, 4.0]])
>>> a.max(dim=1, keepdim=True)
torch.return_types.max(
values=tensor([[2.], [4.]]),
indices=tensor([[1], [1]]))
>>> a.max(dim=1, keepdim=False)
torch.return_types.max(
values=tensor([2., 4.]),
indices=tensor([1, 1]))

torch.max(input, other, *, out=None) → Tensor

參見 torch.maximum()。