一、view函数

代码：

a=torch.randn(3,4,5,7)
b = a.view(1,-1)
print(b.size())

输出：

torch.Size([1, 420])

解释：

其中参数-1表示剩下的值的个数一起构成一个维度。

如上例中，第一个参数1将第一个维度的大小设定成1，后一个-1就是说第二个维度的大小=元素总数目/第一个维度的大小，此例中为3*4*5*7/1=420.

代码:

a=torch.randn(3,4,5,7)

d = a.view(a.size(0),a.size(1),-1)

e=a.view(4,-1,5)

输出：

d:torch.Size([3, 4, 35])
e:torch.Size([4, 21, 5])

二、max函数

1.torch.max()简单来说是返回一个tensor中的最大值。

2.这个函数的参数中还有一个dim参数，使用方法为re = torch.max(Tensor,dim),返回的re为一个二维向量，其中re[0]为最大值的Tensor，re[1]为最大值对应的index的Tensor。

代码：

#1.torch.max()简单来说是返回一个tensor中的最大值。
si = torch.randn(4, 5)
print(si)
print(torch.max(si))
#2.这个函数的参数中还有一个dim参数，使用方法为re = torch.max(Tensor,dim),返回的re为一个二维向量，其中re[0]为最大值的Tensor，re[1]为最大值对应的index的Tensor。
print(torch.max(si,0)[0])#取列中的最大值
print(torch.max(si,0)[1])#取列中的最大值索引

print(torch.max(si,1)[0])#取行中的最大值
print(torch.max(si,1)[1])#取行中的最大值索引

输出：

tensor([[ 1.4299, 0.7956, -1.6310, 0.4027, -0.4100],
[-0.3948, -1.1118, -2.5281, 0.1844, 0.3637],
[ 0.5374, -0.5555, -0.4043, 0.3505, 0.4292],
[ 0.5980, 0.6220, -1.9076, -1.6443, 1.0266]])
tensor(1.4299)
tensor([ 1.4299, 0.7956, -0.4043, 0.4027, 1.0266])
tensor([0, 0, 2, 0, 3])
tensor([1.4299, 0.3637, 0.5374, 1.0266])