tf.argmax()的详细用法

tf.argmax(data, axis=None)
用tensorflow 做 mnist分类时，用到这个接口，于是就研究了下这个接口的用法：

如果是一维数组呢？

data = tf.constant([1,2,3])
with tf.Session() as sess:print(sess.run(tf.argmax(data, 0)))#轴默认为0print(sess.run(tf.argmax(data)))
>>> 2
>>> 2

这个很好理解，因为data是一维数组，axis只能为0（如果是1就会报错），结果返回数组中最大值的下标，所以是2

如果是二维数组呢？

data = tf.constant([[1,2,3]])
with tf.Session() as sess:print(sess.run(tf.argmax(data, 0)))print(sess.run(tf.argmax(data, 1)))
>>> [0,0,0]
>>> [2]

是不是有点晕了？
我是这么理解的：
Axis = 0时：
只有data[0] = [1,2,3], 按照对应位置比较，因为只有data[0]，1的对应位置为空，所以1是最大值，2的对应位置为空所以2是最大值，3的对应位置为空所以3是最大值。
而argmax函数返回的是最大值的索引，因为1， 2，3 都属于data[0],所以返回值是 [0, 0, 0].
Axis = 1时：

Data[0][0] = 1
Data[0][1] = 2
Data[0][2] = 3

1和2 和 3比较显然是 3最大，3的索引为2，所以返回[2]
再看一个二维数组，可能就明白了：

data = tf.constant([[1,2,3], [4,5,6]])
with tf.Session() as sess:print(sess.run(tf.argmax(data, 0)))print(sess.run(tf.argmax(data, 1)))
>>> [1, 1, 1]
>>> [2, 2]

Axis = 0时：

Data[0] = [1,2,3]
Data[1] = [4,5,6]

对应位置比较：4 > 1, 5>2, 6>3, 所以返回 4，5,6所在的索引位置[1,1,1]

Axis = 1时：

Data[0][0] = 1
Data[0][1] = 2
Data[0][2] = 3

对应位置比较 3最大，3的索引为2

Data[1][0] = 4
Data[1][1] = 5
Data[1][2] = 6

对应位置比较6最大，6的索引为2
所以最后返回[2,2].

同样如果是三维数组：

data = tf.constant([[[1,2,3]], [[7, 1,9]]])
with tf.Session() as sess:print(sess.run(tf.argmax(data, 0))) # [[1 0 1]]print(sess.run(tf.argmax(data, 1))) # [[0,0,0],[0,0,0]]print(sess.run(tf.argmax(data, 2))) # [[2],[2]]

同样步骤分析：
Axis = 0时：

Data[0] = [[1, 2, 3]]
Data[1] = [[7, 1, 9]]

对应位置比较 7>1, 2 >1, 9> 3, 7属于索引1,2属于索引0,9属于索引1，所以返回[[1, 0,1]].
Axis = 1时：

Data[0][0] = [1,2,3]

1 2 3,对应位置分别为空，所以1,2,3在对应位置都是最大，1,2,3，都属于索引为0，返回[0,0,0]。

Data[1][0] = [7, 1,9]

7 1 9,对应位置分别为空，所以7,1,9在对应位置都是最大，7,1,9，都属于索引为0，返回[0,0,0]
所以最后返回[[0,0,0],[0,0,0]]。
Axis = 2时：

Data[0][0][0] = 1
Data[0][0][1] = 2
Data[0][0][2] = 3

3比较最大，3所在的索引为2，返回 2,

Data[1][0][0] = 7
Data[1][0][1] = 1
Data[1][0][2] = 9

9 最大，9所在的索引为2，返回2
所以最后返回[[2],[2]].
如果是四维或者更高维度，都是按照同样的方法。

tf.argmax()的详细用法相关推荐

【Tensorflow】 tf.equal(tf.argmax(y, 1),tf.argmax(y_, 1))用法
[Tensorflow] tf.equal(tf.argmax(y, 1),tf.argmax(y_, 1))用法作用:输出正确的预测结果利用tf.argmax()按行求出真实值y_.预测值y最大 ...
tf.boolean_mask()的详细用法
tf.boolean_mask 的作用是通过布尔值过滤元素 def boolean_mask(tensor, mask, name="boolean_mask", axis=N ...
tf.argmax（）的用法
tf.argmax()的主要功能是找出最大值并返回索引,注意是索引.下面是主要的内参数 tf.argmax(input,axis=None,name=None,dimension=None,outpu ...
pythonargmaxaxis1_np.argmax(input,axis)和tf.argmax(input,axis)使用
np.argmax(input,axis)和tf.argmax(input,axis)分别是numpy和TensorFlow底下的求最大值索引的方法,用法基本一致,只有默认情况下有细微差别,以及传入的 ...
Tensorflow中的tf.argmax()函数
转载出处:http://www.cnblogs.com/willnote/p/6758953.html 官方API定义 tf.argmax(input, axis=None, name=None, d ...
Android命令行工具logcat详细用法！
logcat是Android中一个命令行工具,可以用于得到程序的log信息. 见板凳详细说明! 本贴内容来自网络,引用网址为:http://hi.baidu.com/%C9%C1%D2%AB ...
【TensorFlow】tf.nn.softmax_cross_entropy_with_logits的用法
[TensorFlow]tf.nn.softmax_cross_entropy_with_logits的用法 from:https://blog.csdn.net/mao_xiao_feng/arti ...
tf.argmax tf2版本
对于tf.argmax,这个函数有点奇怪,axis=0指的是计算矩阵每列的最大值索引,axis=1计算行最大值索引与numpy 相同 import tensorflow as tf import n ...
__declspec关键字详细用法
__declspec关键字详细用法 2009-01-21 16:23 __declspec用于指定所给定类型的实例的与Microsoft相关的存储方式.其它的有关存储方式的修饰符如static与ext ...

tf.argmax()的详细用法

tf.argmax()的详细用法相关推荐

最新文章

热门文章