tf.nn.in_top_k
解释:这个函数的作用是返回一个布尔向量,说明目标值是否存在于预测值之中。
'''
predictions: 你的预测结果(一般也就是你的网络输出值)大小是预测样本的数量乘以输出的维度
target: 实际样本类别的标签,大小是样本数量的个数
k: 每个样本中前K个最大的数里面(序号)是否包含对应target中的值
'''
import tensorflow as tf
A = tf.Variable([[0.8, 0.4, 0.5, 0.6],[0.1, 0.9, 0.2, 0.4],[0.1, 0.9, 0.4, 0.2]])
B = tf.Variable([1, 1, 2])
result = tf.nn.in_top_k(A, B, 2)
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
print(sess.run(A))
print(sess.run(B))
print(sess.run(result))
# k=1 [False True False]# k=2 [False True True]
'''
解释:
k取1的时候:
因为A中第一个元素的最大值为0.8,索引(序号)是0,而B是1,不包含B,所以返回False.
A中第二个元素的最大值为0.9,索引(序号)是1,而B是1,包含B,所以返回True.
A中第三个元素的最大值为0.9,索引(序号)是1,而B是2,不包含B,所以返回False.
k取2的时候:
因为A中前两个元素的最大值为0.8,0.6,索引(序号)是0,3,而B是1,不包含B,所以返回False.
A中前两个元素的最大值为0.9,0.4,索引(序号)是1,3,而B是1,包含B,所以返回True.
A中前两个元素的最大值为0.9,0.4,索引(序号)是1,2,而B是2,包含B,所以返回True.
'''
tf.nn.top_k()
tf.nn.top_k(
input,
k=1,
sorted=True,
name=None
)
解释:这个函数的作用是返回 input 中每行最大的 k 个数,并且返回它们所在位置的索引。
如果输入的是一个向量,也就是rank=1,找到最大的k个数在这个向量,则输出最大的k个数字和最大的这k个数字的下标。如果输入的张量是一个更高rank的矩阵,那么我们只要找到每一行的最大的k个数字,以及他们的下标。如果两个元素相同,那么低一点的下标先出现。
参数:
input:输入的tensor,不能是array这些啊!要么输入1-D,要是更高维度必须保证最后的一个维度长度必须大于等于K
k:0-D的int32的数字张量。
sorted:如果sorted=True,那么选出来的k个数字就需要按照降序的顺序排序
name:可选项,也就是这个操作的名字
返回:
values:也就是每一行的最大的k个数字
indices:这里的下标是在输入的张量的最后一个维度的下标
import tensorflow as tf
import numpy as np
#选出每一行的最大的前两个数字
#返回的是最大的k个数字,同时返回的是最大的k个数字在最后的一个维度的下标
a=tf.constant(np.random.rand(3,4))
b=tf.nn.top_k(a,k=2)
with tf.Session() as sess:
print(sess.run(a))
结果:
[[0.41001266 0.88277785 0.57616844 0.46520008]
[0.62866649 0.55638628 0.94319267 0.26693693]
[0.05450942 0.32520777 0.09960993 0.66729146]]
TopKV2(values=array([[0.88277785, 0.57616844],
[0.94319267, 0.62866649],
[0.66729146, 0.32520777]]), indices=array([[1, 2],
[2, 0],
[3, 1]]))
import tensorflow as tf
import numpy as np
a=tf.constant(np.random.rand(3,4,3))
b=tf.nn.top_k(a,k=2)
with tf.Session() as sess:
print(sess.run(a))
print(sess.run(b))
结果:
TopKV2(values=array([[[0.51127848, 0.21136045],
[0.90710233, 0.35295698],
[0.74462195, 0.71343596],
[0.98368278, 0.31890803]],
[[0.9816314 , 0.97627116],
[0.90231759, 0.19154434],
[0.92794757, 0.18790949],
[0.36879293, 0.15553872]],
[[0.6699889 , 0.50476143],
[0.46577973, 0.06038128],
[0.85069354, 0.73808021],
[0.63148579, 0.51741944]]]), indices=array([[[1, 0],
[0, 1],
[1, 0],
[2, 0]],
[[2, 0],
[0, 2],
[2, 1],
[0, 1]],
[[2, 0],
[2, 1],
[2, 0],
[1, 2]]]))