溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
聽名字就知道這個函數是用來求tensor中某個dim的前k大或者前k小的值以及對應的index。
用法
torch.topk(input, k, dim=None, largest=True, sorted=True, out=None) -> (Tensor, LongTensor)
input：一個tensor數據
k：指明是得到前k個數據以及其index
dim： 指定在哪個維度上排序， 默認是最后一個維度
largest：如果為True，按照大到小排序； 如果為False，按照小到大排序
sorted：返回的結果按照順序返回
out：可缺省，不要
topk最常用的場合就是求一個樣本被網絡認為前k個最可能屬于的類別。我們就用這個場景為例，說明函數的使用方法。
假設一個
，N是樣本數目，一般等于batch size， D是類別數目。我們想知道每個樣本的最可能屬于的那個類別，其實可以用torch.max得到。如果要使用topk，則k應該設置為1。
import torch
pred = torch.randn((4, 5))
print(pred)
values, indices = pred.topk(1, dim=1, largest=True, sorted=True)
print(indices)
# 用max得到的結果，設置keepdim為True，避免降維。因為topk函數返回的index不降維，shape和輸入一致。
_, indices_max = pred.max(dim=1, keepdim=True)
print(indices_max == indices)
# pred
tensor([[-0.1480, -0.9819, -0.3364, 0.7912, -0.3263],
[-0.8013, -0.9083, 0.7973, 0.1458, -0.9156],
[-0.2334, -0.0142, -0.5493, 0.0673, 0.8185],
[-0.4075, -0.1097, 0.8193, -0.2352, -0.9273]])
# indices, shape為 【4,1】,
tensor([[3], #【0,0】代表 第一個樣本最可能屬于第一類別
[2], # 【1, 0】代表第二個樣本最可能屬于第二類別
[4],
[2]])
# indices_max等于indices
tensor([[True],
[True],
[True],
[True]])
現在在嘗試一下k=2
import torch
pred = torch.randn((4, 5))
print(pred)
values, indices = pred.topk(2, dim=1, largest=True, sorted=True) # k=2
print(indices)
# pred
tensor([[-0.2203, -0.7538, 1.8789, 0.4451, -0.2526],
[-0.0413, 0.6366, 1.1155, 0.3484, 0.0395],
[ 0.0365, 0.5158, 1.1067, -0.9276, -0.2124],
[ 0.6232, 0.9912, -0.8562, 0.0148, 1.6413]])
# indices
tensor([[2, 3],
[2, 1],
[2, 1],
[4, 1]])
可以發現indices的shape變成了【4, k】，k=2。
其中indices[0] = [2,3]。其意義是說明第一個樣本的前兩個最大概率對應的類別分別是第3類和第4類。
大家可以自行print一下values。可以發現values的shape和indices的shape是一樣的。indices描述了在values中對應的值在pred中的位置。
以上這篇PyTorch中topk函數的用法詳解就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持億速云。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
