在進行深度學習張量計算時，經常要獲取張量在某個維度的最大值和最小值，以及這些值的位置。如果只需要知道位置，則torch.argmax和torch.argmin函式便可以實現。

Torch.argmax(input, dim=None, keepdim=False):返回指定維度最大值的序號。

　　有時候返回的值比較難理解，所以這裡直接放example以幫助理解：

 1 import torch
 2 
 3 t = torch.tensor([[1,2],[3,4],[2,8]])
 4 
 5 print(torch.argmax(t,0))
 6 
 7 
 8 g = torch.tensor([[[1,2,3],[2,3,4],[5,6,7]], [[3,4,5],[7,6,5],[5,4,3]], [[8,9,0],        
 
 9                             [2,8,4],[7,5,3]]])
10 print(g)
11 print(torch.argmax(g,0))

先從簡單的2維張量來看，t 是一個2維張量，大小為（3,2)。t 為，此時我們使dim=0，意思使求第0維的（即（3，2）中的3行）中的最大值的序號，所以固定行，直接看列，第一列中3最大，故得到值1，第2列中8最大，故得到值2。最終的結果為 tensor([1,2])

再來看一個3維張量g ，tensor([[[1, 2, 3],

　　　　　　　　　　　　　　[2, 3, 4],
　　　　　　　　　　　　　　[5, 6, 7]],

　　　　　　　　　　　　　　[[3, 4, 5],
　　　　　　　　　　　　　　[7, 6, 5],
　　　　　　　　　　　　　　[5, 4, 3]],

　　　　　　　　　　　　　　[[8, 9, 0],
　　　　　　　　　　　　　　[2, 8, 4],
　　　　　　　　　　　　　　[7, 5, 3]]])，其大小為（3，3，3） 其中我們希望在dim=0的維度中求最大值的序號，則固定第一個維度，第一個維度為channel，則每個channel中對應位置進行比較。

比如每個channel中的（0，0）比較，1<3<8，所以得到的值為2；（0，1）比較，2<4<9，依然得到2，....以此類推。最終得到結果tensor([[2, 2, 1],[1, 2, 1],[2, 0, 0]])。