torch.max

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

返回 input 张量中所有元素的最大值。

注意

max/min 和 amax/amin 之间的区别在于

• amax/amin 支持在多个维度上进行归约，

• amax/amin 不返回索引。

当有多个输入元素具有相同的最小或最大值时，amax/amin 会在这些值之间均匀分配梯度。

对于 max/min

• 如果对所有维度进行归约（未指定 dim），则梯度会在相等的 max/min 值之间均匀分配。

• 如果在一指定的轴上进行归约，则只传播到索引的元素。

参数

input (Tensor) – 输入张量。

关键字参数

out (Tensor, optional) – 输出张量。

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)

返回一个命名元组 (values, indices)，其中 values 是给定维度 dim 下 input 张量每行的最大值。而 indices 是找到的每个最大值的索引位置（argmax）。

如果 keepdim 为 True，则输出张量的大小与 input 相同，只是在 dim 维度上大小为 1。否则，dim 会被压缩（参见 torch.squeeze()），导致输出张量的维度比 input 少 1。

注意

如果在一个缩减行中有多个最大值，则返回第一个最大值的索引。

参数

• input (Tensor) – 输入张量。

• dim (int, optional) – 要缩减的维度。如果省略，则缩减所有维度。不支持显式的 None。

• keepdim (bool, optional) – 输出张量是否保留 dim。默认为 False。

关键字参数

out (tuple, optional) – 包含两个输出张量（max, max_indices）的结果元组

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

参见 torch.maximum()。