tf.nn.top_k()

参考  tf.nn.top_k() - 云+社区 - 腾讯云

一、函数原型

tf.nn.top_k(
    input,
    k=1,
    sorted=True,
    name=None
)

为了找到输入的张量的最后的一个维度的最大的k个值和它的下标！

如果输入的是一个向量，也就是rank=1，找到最大的k个数在这个向量，则输出最大的k个数字和最大的这k个数字的下标。如果输入的张量是一个更高rank的矩阵，那么我们只要找到每一行的最大的k个数字，以及他们的下标。如果两个元素相同，那么低一点的下标先出现。

参数：

• input:输入的tensor，不能是array这些啊！要么输入1-D，要是更高维度必须保证最后的一个维度长度必须大于等于K
• k:0-D的int32的数字张量。
• sorted:如果sorted=True，那么选出来的k个数字就需要按照降序的顺序排序
• name:可选项，也就是这个操作的名字

返回：

• values：也就是每一行的最大的k个数字
• indices：这里的下标是在输入的张量的最后一个维度的下标

二、例子

import tensorflow as tf
import numpy as np
     
#选出每一行的最大的前两个数字
#返回的是最大的k个数字，同时返回的是最大的k个数字在最后的一个维度的下标
a=tf.constant(np.random.rand(3,4))
b=tf.nn.top_k(a,k=2)
with tf.Session() as sess:
    print(sess.run(a))
    print(sess.run(b))


Output:

    [[0.73731748 0.13455566 0.20236765 0.92909052]
     [0.7923021  0.46949081 0.31521194 0.2999236 ]
     [0.19102823 0.01301476 0.70615716 0.68501807]]
    TopKV2(values=array([[0.92909052, 0.73731748],
           [0.7923021 , 0.46949081],
           [0.70615716, 0.68501807]]), indices=array([[3, 0],
           [0, 1],
           [2, 3]], dtype=int32))