tf.argmax（）的用法

tf.argmax（）的主要功能是找出最大值并返回索引，注意是索引。下面是主要的内参数

tf.argmax(
    input,
    axis=None,
    name=None,
    dimension=None,
    output_type=tf.int64
)
# input代表输入的数组
# axis代表张量的最大维数0代表1维，1代表行二维为None（0）
# name代表操作的名称，默认为None
# dimension：按某维度查找。0代表列，1代表行默认为None（0）。
# output_type，为输出的数据类型，可以指定为

举例说明：

import tensorflow as tf
import tensorflow.compat.v1 as tf1
tf1.disable_eager_execution()
a =[[1,2,3],[4,5,6],[1,5,4]]
b = [1,2,3,4,5,6,7,8,9,10,0]

with tf1.Session() as sess:
    print(sess.run(tf.argmax(a, 0)))
    print(sess.run(tf.argmax(a, 1)))
    print(sess.run(tf.argmax(b, 0)))

结果如下：

2020-12-14 09:19:14.848367: I tensorflow/core/platform/cpu_feature_guard.cc:142] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX AVX2
[1 1 1]
[2 2 1]
9

基于上述程序进一步说明dimension和axis的问题。
在tf.argmax(input , 0) 中数字指的是axis。
在sess下加一行

print(sess.run(tf.argmax(b, 1, name='1')))

程序会报错

tensorflow.python.framework.errors_impl.InvalidArgumentError: Expected dimension in the range [-1, 1), but got 1
	 [[{{node 1_1}}]]

这个错误的意思是，这个向量的维数应在在[-1，1）的范围内不包含1，但是输入的axis是1，因此报错。

运行下面的程序

    print(sess.run(tf.argmax(a, 0)))
    print(sess.run(tf.argmax(a, 1)))
    print(sess.run(tf.argmax(a, dimension=0)))
    print(sess.run(tf.argmax(a, dimension=1)))
#   print(sess.run(tf.argmax(a, 1,dimension=0)))
    print(sess.run(tf.argmax(b, 0, name = '1')))

结果如下：

[1 1 1]
[2 2 1]
[1 1 1]
[2 2 1]
9

可以看到 axis = 0 的时候和 dimension = 0 的时候效果是一样的。因为实现相同效果的方法不一样，axis是按照维度筛选最大的值，demension是直接按照列筛选。

axis 和 dimension 不可同时指定

    print(sess.run(tf.argmax(a, 1,dimension=0)))

ValueError: Cannot specify both 'dimension' and 'axis'

即使两个值最后实现的效果相同，也不可以同时指定。

进一步，在三维的张量中：

c = [[[1,2,3],[4,5,6],[1,5,4]],[[1,9,3],[4,5,6],[1,5,4]],[[7,2,3],[4,18,6],[1,5,4]]]

    print(sess.run(tf.argmax(c, 0)))
    print(sess.run(tf.argmax(c, 1)))
    print(sess.run(tf.argmax(c, dimension=0)))
    print(sess.run(tf.argmax(c, dimension=1)))

运行结果如下：

2020-12-14 09:35:03.115308: I tensorflow/core/platform/cpu_feature_guard.cc:142] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX AVX2
[[2 1 0]
 [0 2 0]
 [0 0 0]]
[[1 1 1]
 [1 0 1]
 [0 1 1]]
[[2 1 0]
 [0 2 0]
 [0 0 0]]
[[1 1 1]
 [1 0 1]
 [0 1 1]]

结论：dimension 和 axis在使用过程中表现出来的效果可能相同，但是原理不同且不可同时指定，使用argmax过程中需要注意。