Python之Tensorflow中的tf.equal() and tf.argmax() 用法讲解

tf.equal()：
equal(x, y, name=None)
判断x, y是否相等，它的判断方法不是整体判断，而是逐个元素进行判断，如果相等就是True，不相等就是False，由于是逐个元素判断，所以x，y 的维度要一致。
例如：

import tensorflow as tf
a = [[1,2,3],[4,5,6]]
b = [[1,0,3],[1,5,1]]
with tf.Session() as sess:
    print(sess.run(tf.equal(a,b)))
#结果：
#[[ True False  True]
# [False  True False]]

tf.argmax()：
可以认为它就是np.argmax，tensorflow使用numpy实现的这个API。
简单的说，tf.argmax就是返回最大的那个数值所在的下标。
这个很好理解，只是tf.argmax()的参数让人有些迷惑，比如，tf.argmax(array, 1)和tf.argmax(array, 0)有啥区别呢？
这里面就涉及到一个概念：axis，上面例子中的1和0就是axis，设置axis的主要原因是方便我们进行多个维度的计算。
例如：

test = np.array([[1, 2, 3], [2, 3, 4], [5, 4, 3], [8, 7, 2]])
np.argmax(test, 0)　　　＃输出：array([3, 3, 1]
np.argmax(test, 1)　　　＃输出：array([2, 2, 0, 0]
#axis = 0:
这么想，0是最大的范围，所有的数组都要进行比较，只是比较的是这些数组相同位置上的数：
test[0] = array([1, 2, 3])
test[1] = array([2, 3, 4])
test[2] = array([5, 4, 3])
test[3] = array([8, 7, 2])
# output   :    [3, 3, 1]      
#axis = 1:
等于1的时候，比较范围缩小了，只会比较每个数组内的数的大小，结果也会根据有几个数组，产生几个结果。
test[0] = array([1, 2, 3])  #2
test[1] = array([2, 3, 4])  #2
test[2] = array([5, 4, 3])  #0
test[3] = array([8, 7, 2])  #0