tf.argmax是一个耗时逐渐累加的操作

最新推荐文章于 2024-07-28 23:30:29 发布

RealMoYe

最新推荐文章于 2024-07-28 23:30:29 发布

阅读量725

点赞数

分类专栏：深度学习

本文链接：https://blog.csdn.net/baidu_26646129/article/details/83657292

版权

深度学习专栏收录该内容

14 篇文章 1 订阅

订阅专栏

在调用训练好的模型进行图片分类时，其中的一个操作是分析logits中数值最大的元素的下标，也就是argmax方法。但在实际运行时发现，随着分类进程的推进，图像分类耗时越来越长，对各部分操作耗时进行统计，发现问题出在tf.argmax()操作。

为了确保分类效率，可以采用numpy库的argmax函数代替之，具体如下：

# 原始的argmax操作
indicies = tf.argmax(logits, 1).eval()

# 修改之后的argmax操作
indicies = np.argmax(logits, axis = 1)

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

RealMoYe

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

高效训练模型——参数量与超参数调优

程序员光剑

08-13

457

随着深度学习领域的火热，越来越多的研究人员和工程师将目光投向了如何有效地训练神经网络。尽管深度学习模型在很多任务上已经取得了令人惊艳的成果，但训练好的模型往往需要不少参数量和计算量，这就决定了它们的推广应用范围受到很大的限制。本文将通过“参数量”和“超参数”两个主要的训练模型性能指标，深入探讨训练过程中的参数优化方法。并试图找到合适的参数数量和超参数设置，最大程度地提升训练模型的性能。

tf.argmax

weixin_30624825的博客

03-07

tf.argmax(input, axis=None, name=None, dimension=None) Returns the index with the largest value across axis of a tensor. input is a Tensor and axis describes which axis of the input Tensor to...

参与评论您还未登录，请先登录后发表或查看评论

对于tf.argmax的理解

darer49的博客

10-21

285

写一下理解。 1. 举例现在一个2x3x4的张量a： a = [ [[1, 2, 3, 4], [4, 3, 2, 1], [2, 2, 2, 2]], [[2, 2, 2, 2], [1, 2, 3, 4], [4, 3, 2, 1]] ] 根据a的内容，我们现在假设现在有2个坐标系，每个坐标系有3个坐标轴，每个坐标轴上有4个点，每个点的大小可能是1,2,3,4, 第一个坐标系： x轴点大小分别是1, 2, 3, 4; y轴点大

argmax的作用

jun2023的博客

07-28

259

--------------------------------------------------------------------------------------------------------------------------------也可以固定维度（按列获取最大值索引和按行获取最大值索引）---> 这里的3表示在二维向量中最大值在索引[1, 1]处，按顺序索引为3（从0开始计数）1. argmax在多维张量中返回最大值元素的索引，从而确定最大值在张量中的位置。

tf.argmax()函数

nienelong3319的博客

08-29

540

argmax(input, axis=None, name=None, dimension=None, output_type=tf.int64) Returns the index with the largest value across axes of a tensor. (deprecated arguments) 根据axis的值返回行或者列最大值的下标，axis取值[-2,...

torch.argmax方法详解

wuyalan1994的博客

07-21

4841

torch.argmax方法详解

torch.argmax 的使用

spark的博客

05-12

399

包含四个元素，分别代表第 0 个维度上最大值所在的位置（在本例中，每个元素的值都是 2，表示第 2 行是第一列、第二列、第三列和第四列中的最大值所在的位置）。是一个函数，用于返回张量中某个维度上最大值的索引，即张量中在某个维度上具有最大值的元素所在的位置。在这里，第一个维度的大小为 3，第二个维度的大小为 4。我们在第 0 个维度上使用。例如，如果我们有一个形状为 (3, 4) 的张量。中最大值所在的索引。在 PyTorch 中，

Tensorflow实战：Inception_V3原理及实现（多注释）

m0_37917271的博客

09-03

9729

参考《Tensorflow实战》黄文坚，对Inception_V3进行了实现，增加了自己的理解，欢迎提问！！ Inception_V3中使用了称为Inception model的结构，Inception model本身如同大网络中的小网络，其结构可以反复堆叠一起形成大大网络。 Inception_V1结构如下图所示：人脑神经元的连接...

深度篇——目标检测史(七) 细说 YOLO-V3目标检测之代码详解

天下所弃，不过其纪。世间事，在人，在志。

03-28

2490

返回主目录返回目标检测史目录上一章：深度篇——目标检测史(六)细说YOLO-V3目标检测下一章：深度篇——目标检测史(八)细说CornerNet-Lite 目标检测论文地址：《YOLO-V3》代码地址：本小节，细说 YOLO-V3目标检测之代码详解，下一小节细说 CornerNet-Lite 目标检测八.YOLO-V3 目标检测之...

tensorflow实战——学习笔记（二）Inception_V3实现

Star_Platinum的博客

08-13

1981

网络结构分析其中Inception模块组结构如下：完整模型如下：代码实现 1、导入模块 import tensorflow as tf import tensorflow.contrib.slim as slim from datetime import datetime import math import time 2、实现一个简单的函数tru...

TensorFlow 教程

FREEDOM

02-21

1万+

术语表广播操作(Broadcasting operation) 一种用numpy-style broadcasting来保证tensor参数的形态兼容的操作。 Devices 一块可以用来运算并且拥有自己的地址空间的硬件，比如GPU和CPU。 eval Tensor 的一个方法，返回 Tensor 的值。触发任意一个图计算都需要

【TensorFlow】argmax、equal、accuracy.eval

liudongdong_jlu

08-09

518

1、tf.argmax(vector, 1) 返回的是vector中的最大值的索引号，如果vector是一个向量，那就返回一个值，如果是一个矩阵，那就返回一个向量，这个向量的每一个维度都是相对应矩阵行的最大值元素的索引号。 import tensorflow as tf import numpy as np A = [[1,3,4,5,6]] B = [[1,3,4], [2,4,1]] ...

torch.argmax()

qq_42178122的博客

06-17

236

官方文档： torch.argmax(input, dim, keepdim=False) → LongTensor Returns the indices of the maximum values of a tensor across a dimension. Parameters: input (Tensor) – the input tensor. dim (int) – the dimension to reduce. If None, the argmax of the flattened in

argmax函数_TensorFlow深度学习入门笔记（四）一些基本函数

weixin_39840729的博客

11-25

221

写在前面学习建议：以下学习过程中有不理解可以简单查找下资料，但不必纠结（比如非得深究某一个函数等），尽量快速的学一遍，不求甚解无妨。多实操代码，不能只复制代码，或者感觉懂了就只看。熟能生巧，我亦无他，唯手熟尔今天介绍一些基础函数及其用法，基本全是代码，一些解释都放在代码的注释里了。直接看代码吧，记得在你本地跑一下看哦代码1#tensor.get_shape() 获取tensor的shape，就是维...

对于计算正确率时 logits.argmax(dim=1)，torch.eq(pre_label,label)

YI_SHU_JIA的博客

05-31

3948

额好像是一句非常简单的代码，但是作为新手，我是完全看不懂哎前十眼。首先这里的PRE label是一个（a，b）维的张量。其中a是你的全连接输出维度，bsi

机器学习14

lunei

04-17

685

visdom 可视化 import numpy as np import torch import torch.nn.functional as f logits = torch.rand(4, 10) print(logits) pred = f.softmax(logits, dim=1) print(pred) print(pred.sum()) print(pred.shape) pred_label = pred.argmax(dim=1) print('pred_label: '.

tf.argmax()以及axis解析