Pytorch和numpy中的max操作

1.np.max

返回numpy数组中的最大值，默认axis为None，此时返回所有元素中的最大值，若进行初始化，则选择axis维度下的最值，例如对于矩阵来说，axis=0表示列最大值，axis=1表示行最大值

arr = np.random.randn(2, 2)
print(arr)
print(np.max(arr))
print(np.max(arr, axis=1))

结果：

[[ 2.49654859 　　-0.21022188]
[ 0.70946971 　　 0.84199004]]
2.496548592171631
[2.49654859 　　　0.84199004]

2.np.maximum

将传入的数组中的每一个元素与第二个参数进行比较，取值为二者中的较大者

arr = np.random.randn(2, 2)
print(arr)
print(np.maximum(arr, 1))

结果：

[[ 2.49654859 　　-0.21022188]
[ 0.70946971 　　 0.84199004]]

[[2.49654859 　　1. ]
[1. 　　　　　　   1. ]]

3.np.argmax

返回axis对应维度的最大元素的位置，默认None，文档说明如下

 

 

 意思就是把矩阵展开，返回下标

arr = np.random.randn(2, 2)
print(arr)
print(np.argmax(arr, 1))
print(np.argmax(arr))

结果：

[[ 2.49654859 　　-0.21022188]
[ 0.70946971 　　 0.84199004]]

[0 1]

0

4.torch.max

效果相当于max和argmax的组合，会返回两个返回值，返回值1表示对应axis维度最大的值，返回值2表示应axis维度取最大值的位置

arr = np.random.randn(2, 2)
print(arr)
print(torch.max(torch.tensor(arr), 1))
_, a = torch.max(torch.tensor(arr), 1)
print(a)

结果：

[[ 2.49654859 　　-0.21022188]
[ 0.70946971 　　 0.84199004]]

torch.return_types.max(
values=tensor([1.0242, 0.2471], dtype=torch.float64),
indices=tensor([1, 0]))
tensor([1, 0])

PS：_的作用是忽略掉返回值1，因为在使用torch进行预测的时候，我们不关心具体的值是多少，只是想知道预测的标签。

5.torch.argmax

torch的返回值2，也即是下标，就是用torch.argmax计算出来的

arr = np.random.randn(2, 2)
print(arr)
print(torch.argmax(torch.tensor(arr),1))
print(a)

结果：

[[ 2.49654859 　　-0.21022188]
[ 0.70946971 　　 0.84199004]]

tensor([1, 0])