【CNN记录】pytorch中argMax、argMin

argMax 

torch.argmax(input) → LongTensor

说明：返回输入input张量中所有元素最大值对应的索引(如果有多个相同则返回第一个)

input(Tensor):输入tensor

example:

>input = torch.randn(2,3,4)
tensor([[[-0.5390, -1.0114,  0.4355, -1.1405],
         [ 0.6028, -0.4489,  0.5327,  0.2840],
         [-0.7695,  0.9981, -0.1962, -0.6833]],
 
        [[-1.2388, -0.0077,  1.0434,  0.3299],
         [ 0.1485,  0.7355,  0.1245, -1.2814],
         [ 0.7018, -0.8662,  2.3299, -1.0735]]])
 
>output = torch.argmax(input)
tensor(22)
 
#索引22位置的2.3299最大

torch.argmax(input, dim, keepdim=False) → LongTensor

说明：返回在指定维度最大值的索引

input(Tensor):输入张量

dim(int)：要减少的维度，如果是None（或不填），那么就是返回平铺输入的argMax 

keepdim(bool)：输出张量是否保留该维度

example

>input = torch.randn(2,3,4)
tensor([[[ 1.1332, -1.1633, -0.0305, -0.1000],
         [-0.1684,  1.4696,  0.3790,  0.2453],
         [-0.9125,  0.1091,  0.8701,  0.7641]],
 
        [[ 0.9497,  1.3644,  0.9301,  0.0711],
         [-0.2496, -0.9306, -0.4644, -1.3337],
         [ 0.0058, -0.2439,  0.9298,  0.2472]]])
 
>output = torch.argmax(input,dim=0)
tensor([[0, 1, 1, 1],
        [0, 0, 0, 0],
        [1, 0, 1, 0]])
 
#输入3维张量(2,3,4)，dim=0表示把最外围的2消除压缩成1，然后找到dim=0中2个值的最大值，比如dim(0)中第一组值1.1332和0.9497，那么取最大就是0，以此类推得到(3,4)的张量
#假如keepdim=True，那么dim(0)维度会被保留，(2,3,4)变成(1,3,4)
 
>output = torch.argmax(input,dim=1)
tensor([[0, 1, 2, 2],
        [0, 0, 0, 2]])
 
#同上，dim=1表示把第二个维度3消除压缩成1，比如dim(1)中第一组值[1.1332,-0.1684,-0.9125]，最大值所以0,其他以此类推得到(2,4)的张量
#假如keepdim=True，那么dim(1)维度会被保留，(2,3,4)变成(2,1,4)
 
>output = torch.argmax(input,dim=2)
tensor([[0, 1, 2],
        [1, 0, 2]])
 
#也是同上，不作分析了

argMin

 torch.argmin(input, dim=None, keepdim=False) → LongTensor

说明：返回在指定维度最小值的索引

input(Tensor):输入张量

dim(int)：要减少的维度，如果是None（或不填），那么就是返回平铺输入的argMin 

keepdim(bool)：输出张量是否保留该维度

用法参考就是argMax的第二种格式,只是取小值的索引