PyTorch torch.max文档未明确双张量传入逻辑及相关报错疑问

问题背景 #

我在学习PyTorch与深度学习时，发现torch.max的官方文档没明确说明可以传入两个张量做比较，但实际代码里有这种用法。最初我用h1 = torch.max(h1, 0)实现ReLU逻辑，触发了TypeError: unsupported operand type(s) for @: 'torch.return_types.max' and 'Tensor'报错，改成传入torch.tensor(0)后问题解决，有两个疑问需要解答。

1. 为何该修改能修复报错？ #

torch.max有两种核心调用逻辑：

• 按维度取最大值：调用格式是torch.max(input, dim)，返回的是一个包含(最大值张量, 索引张量)的元组（类型为torch.return_types.max）。当你传入h1和整数0时，PyTorch会把0识别成dim（维度参数），因此返回的是这个元组。之后h1被赋值为该元组，再执行矩阵乘法@操作时，自然会报错——元组无法和张量进行乘法运算。
• 逐元素取两个输入的最大值：调用格式是torch.max(input, other)，要求两个输入是可广播的张量（或能被正确识别为张量的对象）。当你传入torch.tensor(0)时，PyTorch会判定这是两个张量的逐元素比较场景，返回的是和h1同形状的张量，后续的@操作就能正常执行了。

2. 根据现有文档，torch.tensor(0)属于何种参数？ #

在PyTorch官方文档中，torch.tensor(0)对应的是torch.max(input, other, *, out=None)接口里的other参数。这个参数需要是一个能和input进行广播运算的张量（或符合广播规则的标量张量），作用是与input逐元素比较，保留每个位置上的较大值。

内容的提问来源于stack exchange，提问作者heretoinfinity