這篇博客介紹兩個基本的數學函數，max()與min()兩個。從函數名就可以看出這兩個函數的作用：
max()：查找最大值
min()：查找最小值
筆者一開始遇到這兩個函數，感覺這兩個簡單函數對Tensor(張量)的操作還是有一些彎彎繞。我們來梳理一下，梳理出來就會清楚很多。
一、max()函數
函數定義：torch.max(input, dim, max=None, max_indices=None，keepdim=False)
參數：input：進行max操作的Tensor變量
dim：需要查找最大值得維度（這裏很迷，後面重點介紹）
max：結果張量，用於存儲查找到的最大值
max_indices：結果張量，用於存儲查找到最大值所處的索引
keepdim=False：返回值與原Tensor的size保持一致
1. 簡單應用
以一個一維Tensor爲例，解釋max()函數的輸入、輸出。
t1=torch.LongTensor([3,9,6,2,5])
print("-------max-------")
print(torch.max(t1))
print("-------max dim-------")
print(torch.max(t1,dim=0))
輸出結果爲：
可以看到，加了dim參數後，返回值中多了一個indices Tensor，這個張量用於存儲下最大值的下標，例子中最大值9的下標爲1。
2. 二維Tensor
對二維Tensor使用max/min函數，必須搞清楚的就是dim參數，先說結論：
①. dim爲0，用於查找每列的最大值。返回行下標索引。
②. dim爲1，用於查找每行的最大值。返回列下標索引。
③. 不添加dim參數，返回所有值中的最大值，且無索引。這裏放在4.中展示。
從這裏看就有些奇怪了，因爲衆所周知，二維情況下，第0維爲行，第1維爲列。爲什麼dim爲0時返回每列的最大值。
先看一個例子，以一個兩行三列的Tensor(size=2x3)維例：
t=torch.randn(2,3)
print(t)
print("-------max dim=0 -------")
print(torch.max(t,dim=0))
print("-------max dim=1 -------")
print(torch.max(t,dim=1))
輸出結果爲：
當dim=0時，輸出最大值爲，第一列最大值0.6301，第二列最大值0.8937，第三列最大值0.3851。
當dim=1時，輸出最大值爲，第一行最大值0.8937，第二行最大值0.6301。
我們結論是正確的，我們從下標來分析一下：
首先，當dim=0時，三個列最大值的下標，分別爲[1][0]、[0][1]、[1][2]。（以及返回的索引張量[1,0,1]）
當dim=1時，兩個行最大值的下標，分別爲[0][1]、[1][0]。（以及返回的索引張量[1,0]）
我們能夠看到，max()得到的最大值，本質上，是除了dim維以外，取其餘維度逐一遍歷分組（紅色下標），組內補上每一個dim維後的幾個數據的內部比較。
對dim參數的結論：
在其他維度均確定的情況下，比較所有dim維對應的數據，找到其中的最大值，並返回索引。
我們根據此例進行分析：
當dim=0時，除了dim等於的第0維，還有第1維，遍歷第1維，得到[0]，[1]，[2]。再補上第0維，根據遍歷第1維得到的,三個1維下標分爲三組。第一組（[0][0]，[1][0]）、第二組（[0][1]，[1][1]）、第三組（[0][2]，[1][2]）。進行內部比較，得到三個組內最大值，即[0.6301，0.8937，0.3851]，得到索引[1，0，1]。所以，也就是每一列的最大值了。
同理可以分析該例子中，dim=1的情況。
但是對於二維Tensor來說，記住結論比理解這個更容易。當三維及以上時，理解 這個就變得很重要了。
3、二維以上Tensor使用
這裏主要使用病分析一個，三維的Tensor使用max操作來驗證我們上面的結論。
例子：
t=torch.randn(2,2,2)
print(t)
print("-------max dim=0 -------")
print(torch.max(t,dim=0))
print("-------max dim=1 -------")
print(torch.max(t,dim=1))
輸出結果：
分析：
①. 對於dim=0，遍歷除了第0維外，得到的第1維、第2維組合有[0][0]，[0][1]，[1][0]，[1][1]。所以分爲的組有第一組（[0][0][0]，[1][0][0]），第二組（[0][0][1]，[1][0][1]），第三組（[0][1][0]，[1][1][0]），第四組（[0][1][1]，[1][1][1]）。
數據就是(0.9560,0.0632)，（1.6869,0.3790），（1.1282,0.8084），（0.8298，-1.4528）
max結果得到：最大值[0.9560，1.6869，1.1282，0.8298]，索引[0，0，0，0]
②. 對於dim-1，遍歷除了第1維外，得到的第0維、第2維組合有[0]_[0]，[0]_[1]，[1]_[0]，[1]_[1]。將第1維加入後，既可以分爲（[0][0][0]，[0][1][0]），（[0][0][1]，[0][1][1]），（[1][0][0]，[1][1][0]），（[1][0][1]，[1][1][1]）.
得到的數據組爲（0.9560，1.1282），（1.6869，0.8298），（0.0632，0.8084），（0.3790，-1.4528）
max結果得到： 最大值[1.1282，1.6869，0.8084，0.3790]，索引[1，0，1，0]
4. 無dim參數的max()函數
當使用torch.max()函數時，不添加dim函數，則返回所有元素中值最大值（格式爲size爲1Tensor），且無索引。
例子：
t=torch.randn(2,2,2)
print(t)
print(torch.max(t))
輸出結果：
結果輸出，所有元素中的最大值。
二、min()函數
與max相同，但是返回爲最小值。
-------end------