tf.argmax()解析

 

tf.argmax()解析

2018年07月27日 17:00:53 爱抓猫的狗 阅读数 17059更多

分类专栏： TensorFlow

 

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处连接和本声明。

本文连接： https://blog.csdn.net/u012300744/article/details/81240580

tf.argmax(input,axis)根据axis取值的不一样返回每行或者每列最大值的索引。 这个很好理解，只是tf.argmax()的参数让人有些迷惑，好比，tf.argmax(array, 1)和tf.argmax(array, 0)有啥区别呢？ 这里面就涉及到一个概念：axis。上面例子中的1和0就是axis。我先笼统的解释这个问题，设置axis的主要缘由是方便咱们进行多个维度的计算。

　　好比：

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

• 1
• 2
• 3

• axis = 0: 
  　　axis=0时比较每一列的元素，将每一列最大元素所在的索引记录下来，最后输出每一列最大元素所在的索引数组。

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的时候，将每一行最大元素所在的索引记录下来，最后返回每一行最大元素所在的索引数组。

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

　　这是里面都是数组长度一致的状况，若是不一致，axis最大值为最小的数组长度-1，超过则报错。 
　　当不一致的时候，axis=0的比较也就变成了每一个数组的和的比较。

参考文档 
tf.argmax的使用 
tf.argmax()以及axis解析