【深度学习API】TensorFlow - tf.argmax()

tf.argmax()

作用：寻找张量中的最大值，并返回起下标,主要参数为：input, axis

input:输入的张量

axis:决定了在第几纬度找最大值，例如，axis = 0,决定了第一纬度找最大值，axis = 1 ，第二维度找最大值（此时第一维度的大小不变),axis 不可以超过张量的最大维度（shape = (1,5),那么axis 选择只有0和1,shape为(1,2,5),那么axis只有选择0,1,2，依次类推)

返回：如果axis比较的时最后一个纬度，那么仅返回最后维度的下标，之前的属性不变，如果axis比较的非最后一个纬度，那么返回值为 之前纬度属性不变，比较的纬度消失，之后的纬度也不变，如：

shape(2,3,5)

axis = 0, --> new shape = (3,5)  

axis = 1, --> new shape = (2,5)

axis = 2, --> new shape = (2,3)

shape(1,5),axis = 0,代码：

    with tf.Session() as sess:
        sess.run(tf.global_variables_initializer())

        tensor = sess.run(tf.random_uniform((1,5)))
        print(tensor)
        print(sess.run(tf.argmax(tensor,0)))

结果,因为第一维度只有属性为1，因此，当只有一个子项即第二维数据进行比对时，结果[0,0,0,0,0]:

[[0.5847366  0.554988   0.20085955 0.9588026  0.55059564]]
[0 0 0 0 0]

 

shape(2,5),axis = 0,代码：

    with tf.Session() as sess:
        sess.run(tf.global_variables_initializer())

        tensor = sess.run(tf.random_uniform((2,5)))
        print(tensor)
        print(sess.run(tf.argmax(tensor,0)))

结果,第一维度属性为2，有两个子项，因此，当axis=0时，第一维度数据进行互相比较，结果为[1 1 1 0 1]，返回的是一组对应维度数据的比较后的下标，如0.32242548比0.8556894小，因此第一个下标为1,依次比较类推：

[[0.32242548 0.35847282 0.5762752  0.91375875 0.2024641 ]
 [0.8556894  0.3678167  0.64506817 0.04399645 0.58732665]]
[1 1 1 0 1]

当shape为(3,5)时，axis = 0,结果如下：

[[0.5915636  0.8889439  0.72812104 0.94132113 0.0546453 ]
 [0.8918692  0.19301915 0.22154689 0.04286265 0.52505565]
 [0.8999599  0.02016377 0.2340877  0.22576177 0.31773365]]
[2 0 0 0 1]