PyTorch学习（1）：torch.meshgrid的使用-CSDN博客
PyTorch学习（2）：torch.device-CSDN博客
PyTorch学习（9）：torch.topk-CSDN博客
PyTorch学习（10）：torch.where-CSDN博客
PyTorch学习（11）：PyTorch的形状变换(view, reshape)与维度变换(transpose, permute)-CSDN博客
目录
1. 写在前面
PyTorch提供了大量的API接口，帮助我们快速的搭建训练工程，开发新的算法。求极值或者获得极值所处的位置是算法种常见的操作，比如网络的后解算过程中，我们常通过求极值来获得某一个预测点的类别信息。PyTorch提供了max，argmax，min，argmin这四个接口帮助我们快速的获得极值信息。
2. max
torch.max(input, dim)函数用于在一个张量的指定维度上找到最大值。它返回两个输出：第一个是找到的最大值，第二个是这些最大值的索引。其原型如下。
torch.max(input, dim, keepdim=False, *, out=None)
其中，
input是要取极值输入Tensor；
dim用于指定维度，在dim维度上取极值；
keepdim控制是否保持原维度信息；
具体使用可参考如下示例程序。
import torch
# 创建一个3x4的张量
tensor = torch.Tensor([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])
# 在第0维（行）上找到最大值及其索引
max_values, max_indices = torch.max(tensor, 0)
print("Max values along dimension 0:", max_values)
print("Indices of max values along dimension 0:", max_indices)
# 在第1维（列）上找到最大值及其索引
max_values, max_indices = torch.max(tensor, 1)
print("Max values along dimension 1:", max_values)
print("Indices of max values along dimension 1:", max_indices)3. argmax
torch.argmax(input, dim)函数返回张量中指定维度上最大值的索引。其原型如下。
torch.argmax(input, dim, keepdim=False)
其中，
input未输入tensor；
dim为指定操作维度；
keepdim控制是否保持原维度信息；
具体使用可参考如下程序。
# 在第0维（行）上找到最大值的索引
max_index = torch.argmax(tensor, 0)
print("Index of max value along dimension 0:", max_index)
# 在第1维（列）上找到最大值的索引
max_index = torch.argmax(tensor, 1)
print("Index of max value along dimension 1:", max_index)4. min
torch.min(input, dim)函数与max函数类似，但它用于找到张量中指定维度上的最小值。其原型如下。
torch.min(input, dim, keepdim=False, *, out=None)
其参数信息可参考torch.max。
使用方式可参考如下程序。
# 在第0维（行）上找到最小值及其索引
min_values, min_indices = torch.min(tensor, 0)
print("Min values along dimension 0:", min_values)
print("Indices of min values along dimension 0:", min_indices)
# 在第1维（列）上找到最小值及其索引
min_values, min_indices = torch.min(tensor, 1)
print("Min values along dimension 1:", min_values)
print("Indices of min values along dimension 1:", min_indices)5. argmin
torch.argmin(input, dim)函数返回张量中指定维度上最小值的索引。原型如下。
torch.argmin(input, dim=None, keepdim=False)
参数可参考torch.argmax。
具体使用可参考如下程序。
# 在第0维（行）上找到最小值的索引
min_index = torch.argmin(tensor, 0)
print("Index of min value along dimension 0:", min_index)
# 在第1维（列）上找到最小值的索引
min_index = torch.argmin(tensor, 1)
print("Index of min value along dimension 1:", min_index)