torch.max()使用讲解

Posted 2023-05-02

参考技术A 在分类问题中，通常需要使用 max() 函数对 softmax 函数的输出值进行操作，求出预测值索引，然后与标签进行比对，计算准确率。下面讲解一下 torch.max() 函数的输入及输出值都是什么，便于我们理解该函数。

output = torch.max(input, dim)

在多分类任务中我们并不需要知道各类别的预测概率，所以返回值的第一个 tensor 对分类任务没有帮助，而第二个 tensor 包含了预测最大概率的索引，所以在实际使用中我们仅获取第二个 tensor 即可。

下面通过一个实例可以更容易理解这个函数的用法。

输出：

索引每行的最大值：

输出：

在计算准确率时第一个tensor values 是不需要的，所以我们只需提取第二个tensor，并将tensor格式的数据转换成array格式。

输出：

这样，我们就可以与标签值进行比对，计算模型预测准确率。

*注：在有的地方我们会看到 torch.max(a, 1).data.numpy() 的写法，这是因为在早期的pytorch的版本中，variable变量和tenosr是不一样的数据格式，variable可以进行反向传播，tensor不可以，需要将variable转变成tensor再转变成numpy。现在的版本已经将variable和tenosr合并，所以只用 torch.max(a,1).numpy() 就可以了。

predict - softmax函数输出
label - 样本标签，这里假设它是one-hot编码

从图像角度理解torch.mean()函数。继而学习torch.max等等相关函数

（1）归根到底，torch.mean（）函数是求平均值的

（2）深度学习时，图片通常是四位的即[b,c,h,w]。其中b表示图片个数，c、h、w分别表示每一个图片通道数，高和宽

假设 y = torch.arange(24).view(2,2,3,2)。也就是有两个图片，每个图片的维度、高、宽是2，3，2

①torch.mean(dim = 0 , keepdim = True)

对某一个维度求torch.mean（）我们就首先将该维度置为1，因此，这个最终结果的维度一定是[1,2,3,2]。

0为表示的是图像个数，也就是对每一个图像的对应位置求平均值。(下面这段内容可以不看：在看一篇vit相关的论文时，特征图是[b,HW,C],这时在第0维度上进行求平均值代替平均池化的操作。)

②torch.mean(dim = 1 , keepdim = True)

对某一个维度求torch.mean（）我们就首先将该维度置为1，因此，这个最终结果的维度一定是[2,1,3,2]。

1维为表示的是每个图像的通道，也就是在同一个图像的对应通道像素值进行求平均，如图。

③torch.mean(dim = 3 , keepdim = True)

对某一个维度求torch.mean（）我们就首先将该维度置为1，因此，这个最终结果的维度一定是[2，2，1，2]。第四维我们就不做了实际上从这就已经很清晰啦。

2维为表示的是每个图像的每一个通道的高，因此我们要对每一个图像的每一个通道上的每一个高进行求平均，如图。