tf.argmax()的详细用法

f.argmax(data, axis=None)

一维数组

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

二维数组

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]

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))) 
    print(sess.run(tf.argmax(data, 1))) 
    print(sess.run(tf.argmax(data, 2))) 
>>> [[1 0 1]]
>>> [[0,0,0],[0,0,0]]
>>> [[2],[2]]

针对三维的情况,下面给出一张图,帮助立即0、1、2的维度情况。

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值