【python深度学习】——torch.min()

1. torch.min()

torch.min()接受的参数如下:

• input: 输入的张量。
• dim: 沿指定维度寻找最小值。如果指定了该参数，返回一个元组，其中第一个张量包含最小值，第二个张量包含最小值的索引。
• keepdim: （可选）是否保持输出张量的维度。如果设置为 True，输出张量在被计算的维度上仍然会有长度为1的维度。
• out: （可选）输出张量，可以用来存储计算结果。

1.1 计算整个张量的最小值

不指定维度时, torch.min() 输出整个张量中所有元素的最小值

import torch
# 创建一个张量
x = torch.tensor([1, 2, 3, 4, 5])
# 计算最小值
min_value = torch.min(x)
print(min_value) # output: tensor(1)

1.2 沿特定维度计算最小值

当指定 dim 参数时，torch.min() 会返回沿指定维度的最小值以及对应的索引。

import torch

# 创建一个 2D 张量
x = torch.tensor([[1, 2, 3],
                  [4, 0, 6]])

# 沿每列计算最小值
min_values, min_indices = torch.min(x, dim=0)
print("Min values along columns:", min_values)
print("Indices of min values along columns:", min_indices)

# 沿每行计算最小值
min_values, min_indices = torch.min(x, dim=1)
print("Min values along rows:", min_values)
print("Indices of min values along rows:", min_indices)

输出的结果为:

Min values along columns: tensor([1, 0, 3])
Indices of min values along columns: tensor([0, 1, 0])

Min values along rows: tensor([1, 0])
Indices of min values along rows: tensor([0, 1])

1.3 比较两个张量

当传入两个张量时，torch.min() 会比较两个张量中的每个位置的元素，并返回对应位置的最小值。
例如:

import torch

# 创建两个张量
a = torch.tensor([1, 2, 3])
b = torch.tensor([3, 1, 2])

# 比较两个张量并返回最小值
min_values = torch.min(a, b)
print(min_values) # output: tensor([1, 1, 2])