tensorflow中tf.maximum,tf.minimum,tf.argmax,tf.argmain的对比

tf.maximum:用法tf.maximum(a,b),返回的是a,b之间的最大值,

tf.miniimum:用法tf.miiinimum(a,b),返回的是a,b之间的最小值,

tf.argmax:用法tf.argmax(a,dimension),返回的是a中的某个维度最大值的索引,

tf.argmain:用法tf.argmin(a,dimension),返回的是a中的某个维度最小值的索引,

例如:

import tensorflow as tf;  

a = [1,5,3]

f1 = tf.maximum(a, 3)
f2 = tf.minimum(a, 3)
f3 = tf.argmax(a, 0)
f4 = tf.argmin(a, 0)

with tf.Session() as sess:
	print sess.run(f1)#print f1.eval()
	print sess.run(f2)
	print sess.run(f3)
	print sess.run(f4)
结果:

[3 5 3]
[1 3 3]
1
0

  • 4
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
tf.math.minimum是一个TensorFlow的函数,用于计算两个输入张量的元素的逐元素最小值。它的输入可以是任意形状的张量,输出的形状与输入张量相同。这个函数会比较两个张量对应位置的元素,并返回较小的值。 在函数签名,x和y是输入张量,name是可选的操作名称。函数会返回一个新的张量,其每个元素都是对应位置的x和y张量的最小值。 例如,如果我们有两个输入张量x和y,它们的形状都是(2, 3),内容如下: x = [[1, 2, 3], [4, 5, 6]] y = [[3, 2, 1], [6, 5, 4]] 那么调用tf.math.minimum(x, y)将会返回以下张量: [[1, 2, 1], [4, 5, 4]] 其每个元素都是对应位置的x和y的最小值。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* [tf.maximumtf.minimum](https://blog.csdn.net/weixin_36670529/article/details/91812495)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *3* [tf.minimum()用法](https://blog.csdn.net/qq_39894692/article/details/84306437)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
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