1.np.max

返回numpy陣列中的最大值，預設axis為None，此時返回所有元素中的最大值，若進行初始化，則選擇axis維度下的最值，例如對於矩陣來說，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))

結果：

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

2.np.maximum

將傳入的陣列中的每一個元素與第二個引數進行比較，取值為二者中的較大者

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

結果：

[[ 2.49654859　　-0.21022188]
[ 0.70946971　　0.84199004]]

[[2.49654859 　　1. ]
[1. 　　　　　　 1. ]]

3.np.argmax

返回axis對應維度的最大元素的位置，預設None，文件說明如下

意思就是把矩陣展開，返回下標

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

結果：

[[ 2.49654859　　-0.21022188]
[ 0.70946971　　0.84199004]]

[0 1]

0

4.torch.max

效果相當於max和argmax的組合，會返回兩個返回值，返回值1表示對應axis維度最大的值，返回值2表示應axis維度取最大值的位置

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

結果：

[[ 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，因為在使用torch進行預測的時候，我們不關心具體的值是多少，只是想知道預測的標籤。

5.torch.argmax

torch的返回值2，也即是下標，就是用torch.argmax計算出來的

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

結果：

[[ 2.49654859　　-0.21022188]
[ 0.70946971　　0.84199004]]

tensor([1, 0])