MindSpore中的ReduceMax和max操作的区别

问题配景

在原生的Python中，我们使用求最大值max操作，只会得到盘算之后的最大值效果。但是在一些深度学习框架中，特殊是在多维的场景下，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来演示一下平常的max算子的盘算效果：

1. In [1]: import torch as tc
3. In [2]: a = tc.arange(9).reshape((3,3))
5. In [3]: print (a)
6. tensor([[0, 1, 2],
7.         [3, 4, 5],
8.         [6, 7, 8]])
10. In [4]: tc.max(a, -1)
11. Out[4]:
12. torch.return_types.max(
13. values=tensor([2, 5, 8]),
14. indices=tensor([2, 2, 2]))

复制代码

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内里，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，除了平常的max算子，还支持了一个ReduceMax算子：

1. In [1]: import mindspore as ms
3. In [2]: from mindspore import Tensor, ops
5. In [3]: a = ms.numpy.arange(9).reshape((3,3))
7. In [4]: print (a)
8. [[0 1 2]
9. [3 4 5]
10. [6 7 8]]
12. In [7]: b = ops.ReduceMax(keep_dims=False)(a, -1)
14. In [8]: print (b)
15. [2 5 8]
17. In [9]: c = ops.max(a, -1)
19. In [10]: c
20. Out[10]:
21. (Tensor(shape=[3], dtype=Int32, value= [2, 5, 8]),
22. Tensor(shape=[3], dtype=Int32, value= [2, 2, 2]))

复制代码

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省盘算空间。
总结概要

本文介绍了在pytorch和mindspore中两种盘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，可以答应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

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！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。