tf.argmax()解析

 

tf.argmax()解析

2018年07月27日 17:00:53 愛抓貓的狗 閱讀數 17059更多

分類專欄： TensorFlow

 

版權聲明：本文爲博主原創文章，遵循 CC 4.0 BY-SA 版權協議，轉載請附上原文出處連接和本聲明。

本文連接： https://blog.csdn.net/u012300744/article/details/81240580

tf.argmax(input,axis)根據axis取值的不一樣返回每行或者每列最大值的索引。 這個很好理解，只是tf.argmax()的參數讓人有些迷惑，好比，tf.argmax(array, 1)和tf.argmax(array, 0)有啥區別呢？ 這裏面就涉及到一個概念：axis。上面例子中的1和0就是axis。我先籠統的解釋這個問題，設置axis的主要緣由是方便咱們進行多個維度的計算。

　　好比：

test = np.array([[1, 2, 3], [2, 3, 4], [5, 4, 3], [8, 7, 2]]) np.argmax(test, 0)　　　＃輸出：array([3, 3, 1] np.argmax(test, 1)　　　＃輸出：array([2, 2, 0, 0]123

• 1
• 2
• 3

• axis = 0: 
  　　axis=0時比較每一列的元素，將每一列最大元素所在的索引記錄下來，最後輸出每一列最大元素所在的索引數組。

test[0] = array([1, 2, 3]) test[1] = array([2, 3, 4]) test[2] = array([5, 4, 3]) test[3] = array([8, 7, 2]) # output : [3, 3, 1] 

• 1
• 2
• 3
• 4
• 5

• axis = 1: 
  　　axis=1的時候，將每一行最大元素所在的索引記錄下來，最後返回每一行最大元素所在的索引數組。

test[0] = array([1, 2, 3]) #2 test[1] = array([2, 3, 4]) #2 test[2] = array([5, 4, 3]) #0 test[3] = array([8, 7, 2]) #0

• 1
• 2
• 3
• 4

　　這是裏面都是數組長度一致的狀況，若是不一致，axis最大值爲最小的數組長度-1，超過則報錯。 
　　當不一致的時候，axis=0的比較也就變成了每一個數組的和的比較。

參考文檔 
tf.argmax的使用 
tf.argmax()以及axis解析