tf.argmax()函数

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[-2,2)

上代码

#创建一个2*3的数组，使用随机种子，保证数据不变
a = tf.Variable(tf.random_normal([2,3],seed = 12345))
#初始化变量
init = tf.global_variables_initializer()
#对每一列进行计算，返回最大值下标
b = tf.argmax(a,0)
#启动会话层
with tf.Session() as sess:
    sess.run(init)
    print(sess.run(a))
    print(sess.run(b))

输出结果：

原始数据：
[[ 0.88424665  0.07843047  0.13639879]
 [-0.6109575   1.8525681  -1.1506747 ]]
返回最大值下标索引
[0 1 0]

它是如何返回 [ 0 1 0]的呢

计算流程：

如图,把原始数据使用两根红线竖着分割成三份(按列分割），从上到下进行对比（按行对比），即：0.088424665和-0.6109575进行对比，返回最大值的下标，0.07843047和1.8525681进行对比，返回最大值的下标，0.13639879和-1.1506747进行对比，返回最大值的下标。

0.088424665(下标0）大于 -0.6109575(下标1） ，返回0 

0.07843047(下标0） 小于 1.8525681(下标1） ， 返回1 

0.13639879(下标0） 大于 -1.1506747(下标1）， 返回0 

最终得到结果[ 0 1 0]

 

接下来axis 设置为 1 

#创建一个2*3的数组，使用随机种子，保证数据不变
a = tf.Variable(tf.random_normal([2,3],seed = 12345))
#初始化变量
init = tf.global_variables_initializer()
#对每一列进行计算，返回最大值下标
b = tf.argmax(a,1)
#启动会话层
with tf.Session() as sess:
    sess.run(init)
    print('原始数据：')
    print(sess.run(a))
    print('返回最大值下标索引')
    print(sess.run(b))

输出结果:

原始数据：
[[ 0.88424665  0.07843047  0.13639879]
 [-0.6109575   1.8525681  -1.1506747 ]]
返回最大值下标索引
[0 1]

计算流程：

如图,把原始数据使用一根红线竖着分割成两份(按行分割），从左到右进行对比（按列对比），即：0.088424665和0.07843047和0.13639879进行对比，返回最大值的下标，-0.6109575和1.8525681和-1.1506747进行对比，返回最大值的下标。

 0.88424665(下标0)  0.07843047(下标1)   0.13639879(下标2) ，经过比较0.88424665最大，返回0

-0.6109575(下标0)   1.8525681(下标1)   -1.1506747(下标2) ，经过比较1.8525681最大，返回1

最终得到结果[0 1]

 

总结：

tf.argmax函数根据axis的值进行 行索引或者列索引，axis取值[-2,2),半开半闭区间，

当axis = 0或-2时 (按列分割），（按行对比）

当axis = 1或-1时 (按行分割），（按列对比）