作用：
torch.max()函数用于从每个样本的类别预测分数中选择最大值，来确定模型预测的类别。
代码：
predict_y = torch.max(outputs, dim=1)[1]
详细解释：
output:
outputs是模型的预测结果，通常是一个二维张量，其形状为[batch_size,num_classes]，其中：
①batch_size：当前批次中的样本数
②num_classes：分类任务中的类别数（对于一个有10类的分类任务，num_classes=10）
每一行对应一个样本的预测分数(logits)，即模型对每个类别的信心分数。对于多分类问题，outputs[i]是第i个样本对各个类别的预测分数，outputs[i][j]就表示第i个样本对第j个分类的预测分数
torch.max(outputs,dim=1):
①torch.max()：PyTorch 中的一个函数，用于返回输入张量中的最大值及其索引
②dim=1：表示沿着维度 1（即每个样本的类别维度）查找最大值
torch.max()返回也是一个二维张量，第一行返回每个样本的最大的预测分数，第二行返回每个样本最大的预测分数所对应的索引，即我们想要的预测类别
torch.max(outputs,dim=1)[1]:
[1]：表示返回第二行的数据，，即对每个样本预测的索引类别
样例：
假设outputs是一个形状为[batch_size=3,num_classes=4]的张量，表示3个样本对4个类别的预测分数。
假设outputs的内容如下：
tensor([[ 2.3, 0.1, -1.2, 0.5], # 样本 1 的预测分数[ 0.2, 1.7, 0.9, -0.3], # 样本 2 的预测分数[-0.5, 0.8, 1.2, 0.7]]) # 样本 3 的预测分数
样本1最大值是2.3，对应的类别是0(第一个类别)；
样本2最大值是1.7，对应的类别是1(第二个类别)；
样本3最大值是1.2，对应的类别是2(第三个类别)；
如果你执行torch.max(outputs,dim=1)，它会返回：
(torch.tensor([2.3, 1.7, 1.2]), torch.tensor([0, 1, 2]))
第一个元素是每个样本的最大分数：[2.3,1.7,1.2]；
第二个元素是每个样本的预测类别索引：[0,1,2]：
最终，predict_y = torch.max(outputs,dim=1)[1]会得到：
tensor([0, 1, 2])
这就是每个样本对应的预测类别索引。