我有一个使用 Pytorch 0.4.0 的逻辑回归模型,其中我的输入是高维的,我的输出必须是标量 - 0
、1
或 2
.
我使用线性层与 softmax 层相结合来返回 n x 3
张量,其中每列表示输入属于三个类别之一的概率 (0
、1
或 2
)。
但是,我必须返回一个 n x 1
张量,因此我需要以某种方式为每个输入选择最高概率,并创建一个张量来指示哪个类具有最高概率。我如何使用 Pytorch 实现这一目标?
为了说明这一点,我的 Softmax 输出如下:
[[0.2, 0.1, 0.7],
[0.6, 0.2, 0.2],
[0.1, 0.8, 0.1]]
我必须返回这个:
[[2],
[0],
[1]]
最佳答案
torch.argmax()
可能是您想要的:
import torch
x = torch.FloatTensor([[0.2, 0.1, 0.7],
[0.6, 0.2, 0.2],
[0.1, 0.8, 0.1]])
y = torch.argmax(x, dim=1)
print(y.detach())
# tensor([ 2, 0, 1])
# If you want to reshape:
y = y.view(1, -1)
print(y.detach())
# tensor([[ 2, 0, 1]])
关于python - Pytorch - 在 softmax 层之后选择最佳概率,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55545995/