二维张量（矩阵）:
假设你有一个形状为 [m, n] 的二维张量（可以想象成一个矩阵，有 m 行和 n 列）：
dim=0指的是行的方向（从上到下）。如果你在一个函数中指定dim=0，那么操作将沿着每一列进行，对每一列中的行元素进行处理。dim=1指的是列的方向（从左到右）。如果你在一个函数中指定dim=1，那么操作将沿着每一行进行，对每一行中的列元素进行处理。
例如，在一个 [m, n] 的矩阵中使用 torch.max(tensor, dim=0)，会返回每列的最大值以及这些最大值的索引，结果是两个 [n] 形状的一维张量。使用 torch.max(tensor, dim=1)，会返回每行的最大值以及索引，结果同样是两个 [m] 形状的一维张量。
三维张量:
对于一个形状为 [p, q, r] 的三维张量：
dim=0指的是第一个维度，这在某些上下文中可以代表不同的样本或批次。【减小成一个样本】dim=1指的是第二个维度，这可以代表时间步长（在序列数据中）或是特定样本中的特征或子序列。【每个样本中，只保留横轴】dim=2则是第三个维度，通常代表每个时间步长的特征向量。【每个样本中，只保留列轴】
在三维张量中使用 torch.max(tensor, dim=0) 会沿着第一个维度找到最大值，例如在一个形状为 [p, q, r] 的张量中，它会返回一个形状为 [q, r] 的二维张量，代表沿第一个维度（每个 [q, r] 面）的最大值。使用 torch.max(tensor, dim=1) 则会返回一个形状为 [p, r] 的二维张量，代表沿第二个维度（每个 [p, r] 面）的最大值。
