版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/qian1996/article/details/81265974
查了好多博客都似懂非懂，后来写了几个小例子，瞬间一目了然。
目录
一、torch.max()
import torch
a=torch.randn(3)
print("a:\n",a)
print('max(a):',torch.max(a))
b=torch.randn(3,4)
print("b:\n",b)
print('max(b,0):',torch.max(b,0))
print('max(b,1):',torch.max(b,1))
输出：
a:
tensor([ 0.9558, 1.1242, 1.9503])
max(a): tensor(1.9503)
b:
tensor([[ 0.2765, 0.0726, -0.7753, 1.5334],
[ 0.0201, -0.0005, 0.2616, -1.1912],
[-0.6225, 0.6477, 0.8259, 0.3526]])
max(b,0): (tensor([ 0.2765, 0.6477, 0.8259, 1.5334]), tensor([ 0, 2, 2, 0]))
max(b,1): (tensor([ 1.5334, 0.2616, 0.8259]), tensor([ 3, 2, 2]))max(a),用于一维数据，求出最大值。
max(a,0),计算出数据中一列的最大值，并输出最大值所在的行号。
max(a,0),计算出数据中一行的最大值，并输出最大值所在的列号。
print('max(b,1):',torch.max(b,1)[1])输出：只输出行最大值所在的列号
max(b,1): tensor([ 3, 2, 2])
torch.max(b,1)[0]， 只返回最大值的每个数
二、view()
a.view(i,j)表示将原矩阵转化为i行j列的形式
i为-1表示不限制行数，输出1列
a=torch.randn(3,4)
print(a)
输出：
tensor([[-0.8146, -0.6592, 1.5100, 0.7615],
[ 1.3021, 1.8362, -0.3590, 0.3028],
[ 0.0848, 0.7700, 1.0572, 0.6383]])
b=a.view(-1,1)
print(b)
输出：
tensor([[-0.8146],
[-0.6592],
[ 1.5100],
[ 0.7615],
[ 1.3021],
[ 1.8362],
[-0.3590],
[ 0.3028],
[ 0.0848],
[ 0.7700],
[ 1.0572],
[ 0.6383]])i为1，j为-1表示不限制列数，输出1行
b=a.view(1,-1)
print(b)
输出：
tensor([[-0.8146, -0.6592, 1.5100, 0.7615, 1.3021, 1.8362, -0.3590,
0.3028, 0.0848, 0.7700, 1.0572, 0.6383]])i为-1，j为2表示不限制行数，输出2列
b=a.view(-1,2)
print(b)
输出：
tensor([[-0.8146, -0.6592],
[ 1.5100, 0.7615],
[ 1.3021, 1.8362],
[-0.3590, 0.3028],
[ 0.0848, 0.7700],
[ 1.0572, 0.6383]])i为-1，j为3表示不限制行数，输出3列
i为4，j为3表示输出4行3列
b=a.view(-1,3)
print(b)
b=a.view(4,3)
print(b)
输出：
tensor([[-0.8146, -0.6592, 1.5100],
[ 0.7615, 1.3021, 1.8362],
[-0.3590, 0.3028, 0.0848],
[ 0.7700, 1.0572, 0.6383]])
tensor([[-0.8146, -0.6592, 1.5100],
[ 0.7615, 1.3021, 1.8362],
[-0.3590, 0.3028, 0.0848],
[ 0.7700, 1.0572, 0.6383]])三、
1.torch.squeeze()
压缩矩阵，我理解为降维
a.squeeze(i) 压缩第i维，如果这一维维数是1，则这一维可有可无，便可以压缩
import torch
a=torch.randn(1,3,4)
print(a)
b=a.squeeze(0)
print(b)
c=a.squeeze(1)
print(c
输出：
tensor([[[ 0.4627, 1.6447, 0.1320, 2.0946],
[-0.0080, 0.1794, 1.1898, -1.2525],
[ 0.8281, -0.8166, 1.8846, 0.9008]]])
一页三行4列的矩阵
第0维为1，则可以通过squeeze(0)删掉，转化为三行4列的矩阵
tensor([[ 0.4627, 1.6447, 0.1320, 2.0946],
[-0.0080, 0.1794, 1.1898, -1.2525],
[ 0.8281, -0.8166, 1.8846, 0.9008]])
第1维不为1，则不可以压缩
tensor([[[ 0.4627, 1.6447, 0.1320, 2.0946],
[-0.0080, 0.1794, 1.1898, -1.2525],
[ 0.8281, -0.8166, 1.8846, 0.9008]]])2.torch.unsqueeze()
unsqueeze(i) 表示将第i维设置为1
对压缩为3行4列后的矩阵b进行操作，将第0维设置为1
c=b.unsqueeze(0)
print(c)
输出一个一页三行四列的矩阵
tensor([[[ 0.0661, -0.2386, -0.6610, 1.5774],
[ 1.2210, -0.1084, -0.1166, -0.2379],
[-1.0012, -0.4363, 1.0057, -1.5180]]])将第一维设置为1
c=b.unsqueeze(1)
print(c)
输出一个3页，一行，4列的矩阵
tensor([[[-1.0067, -1.1477, -0.3213, -1.0633]],
[[-2.3976, 0.9857, -0.3462, -0.3648]],
[[ 1.1012, -0.4659, -0.0858, 1.6631]]])另外，squeeze、unsqueeze操作不改变原矩阵
ok!!!