MindSpore中的ReduceMax和max操作的区别
问题背景在原生的Python中，我们使用求最大值max操作，只会得到计算之后的最大值结果。但是在一些深度学习框架中，特别是在多维的场景下，除了得到一系列的最大值之外，还会得到最大值对应的索引。而MindSpore则支持了两种不同的模式（分别依托于两个算子），既可以输出最大值+索引，也可以只输出最大值。
案例演示
首先用PyTorch来演示一下普通的max算子的计算结果：
In : import torch as tc
In : a = tc.arange(9).reshape((3,3))
In : print (a)
tensor([,
,
])
In : tc.max(a, -1)
Out:
torch.return_types.max(
values=tensor(),
indices=tensor())得到的是一个像字典一样的数据结构，values就是最大值，indices是最大值所在维度的编号。在pytorch里面，没有找到reduce_max的实现，也就是只有这种输出形式。不过在mindspore中，除了普通的max算子，还支持了一个ReduceMax算子：
In : import mindspore as ms
In : from mindspore import Tensor, ops
In : a = ms.numpy.arange(9).reshape((3,3))
In : print (a)
[
]
In : b = ops.ReduceMax(keep_dims=False)(a, -1)
In : print (b)
In : c = ops.max(a, -1)
In : c
Out:
(Tensor(shape=, dtype=Int32, value= ),
Tensor(shape=, dtype=Int32, value= ))这个ReduceMax算子，可以只输出最大值而不输出索引，这在有些情况下可以节约计算空间。
总结概要
本文介绍了在pytorch和mindspore中两种计算张量最大值的算子，如果直接使用max算子，两者的输出都是最大值元素和最大值索引。但是mindspore中额外的支持了ReduceMax算子，可以允许我们只输出最大值而不输出最大值索引。
版权声明
本文首发链接为：https://www.cnblogs.com/dechinphy/p/reduce_max.html
作者ID：DechinPhy
更多原著文章：https://www.cnblogs.com/dechinphy/
请博主喝咖啡：https://www.cnblogs.com/dechinphy/gallery/image/379634.html
来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！
页:
[1]