torch.argmax ()函数
3358 www.Sina.com/: torch.arg max (input，dim=None，keepdim=False ) )返回指定维的最大值的编号。argmax函数.也就是说叫做dim
1 ) dim的不同值表示不同的维度。 的dim=0表示二维列，dim=1表示二维矩阵中的行。 广义地说，无论一个矩阵是一维，例如一个矩阵的维数如下。 (d0，d1，dn1 ) )，则dim=0表示d0即对应于第一个维度，dim=1表示对应于
也就是说在第二维中，一次类推。
2 )知道dim的值是什么意思还不行，在函数中知道这个dim被传递时会发生什么。
通过将这两者组合起来，可以看出dim在函数中的作用。 我举两个例子说明上面的第二点。
示例torch.argmax ) )函数的dim表示该维将消失。
这个消失是什么意思？ 英语的解释是dim(int(thedimensiontoreduce )。
我们知道argmax是获得最大值的序号的索引。 对于维(d0，d1 )的矩阵，我想求出每行中最大数目的该行的列编号。 最后得到的是维度) d0，1 )的矩阵。 此时，列将消失。
因此，如果希望请求每行的最大列标签，请指定dim=1。 这表示我们不列入列，留下行的size就可以了。
如果想求出每行最大的行标记，可以指定dim=0，表示没有行。
example 1
importtorcha=torch.tensor ([ 1，5，5，2 ]、[9，- 6，2，8 ]、[-3，7，- 9，1 ] ) b=torch.argmax(a ) a
tensor (1，2，0，1 ) (torch.size ) ) 3，4 ) ) dim=0维中为3，也就是说，在这3组数据中进行比较，求出各行中最大的标号，因此(1，2，2 )
example2是三维坐标
importtorcha=torch.tensor [ [ 1，5，5，2 ]、[9，- 6，2，8 ]、[-3，7，- 9，1 ]、[-1，7，- 5，2 ] dim=1 ) )因此，为了在两组中进行比较，需要将上下两个[3*4]矩阵在分别对应的位置设定为b=Torch.argmax(a，dim=1) " " tensor ([ 1，2，0，0，4 ] ) " 因为垂直压缩为一维，所以可以使用[ 1，2，0，1 ]； 同样[ 1，2，2，1 ]；' ' ' b=Torch.argmax(a，dim=2) ' ' tensor ([ 2，0，1 ]，[ 1，0，2 ] ) ' #dim=2，矩阵维即将消失