tf.nn.top_k

最新推荐文章于 2022-06-25 06:29:47 发布

转载最新推荐文章于 2022-06-25 06:29:47 发布 · 232 阅读

0 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/hapyygril/p/10824158.html

博客提到评估操作对测量神经网络性能有用，因其不可微分，常用于评估阶段。还详细介绍了tf.nn.top_k函数，包括输入参数（input、k、name）和输出参数（values、indices），并给出了使用该函数的代码示例。

评估操作对于测量神经网络的性能是有用的。由于它们是不可微分的，所以它们通常只是被用在评估阶段

`tf.nn.top_k(input, k, name=None)`

这个函数的作用是返回 input 中每行最大的 k 个数，并且返回它们所在位置的索引。

输入参数：
input: 一个张量，数据类型必须是以下之一：float32、float64、int32、int64、uint8、int16、int8。数据维度是 batch_size 乘上 x 个类别。
k: 一个整型，必须 >= 1。在每行中，查找最大的 k 个值。
name: 为这个操作取个名字。
输出参数：
一个元组 Tensor ，数据元素是 (values, indices)，具体如下：
values: 一个张量，数据类型和 input 相同。数据维度是 batch_size 乘上 k 个最大值。
indices: 一个张量，数据类型是 int32 。每个最大值在 input 中的索引位置。
---------------------
作者：Never-Giveup
来源：CSDN
原文：https://blog.csdn.net/qq_36653505/article/details/81105894
版权声明：本文为博主原创文章，转载请附上博文链接！

input = tf.constant(np.random.rand(3,4))
k = 2
output = tf.nn.top_k(input, k)
with tf.Session() as sess:
print(sess.run(input))
print(sess.run(output))

[[0.61950464 0.34474213 0.79035374 0.15015998]
 [0.17963278 0.30331155 0.9208411  0.90382958]
 [0.20007082 0.89997606 0.03721232 0.24253472]]

TopKV2(values=array([[0.79035374, 0.61950464],
       [0.9208411 , 0.90382958],
       [0.89997606, 0.24253472]]), 
       indices=array([[2, 0],
       [2, 3],
       [1, 3]], dtype=int32))

转载于:https://www.cnblogs.com/hapyygril/p/10824158.html