tf.nn.top_k()用法

tensorflow1.x：tf.nn.top_k()
tensorflow2.x:tf.math.top_k()

api功能为：
用于查找输入tensor的最大值。即输入tensor，沿着最后的一个维度独立查找k个最大元素，返回其值和索引下标。
函数参数列表为：
input, k=1, sorted=True, name=None

input是输入张量
k是需要查找的最大元素的个数
sorted如果为True则按照大小顺序排序
name名字

先总结在举例：
1.一定是沿着最后一个维度去搜索最大值；
2.返回两个，先返回搜索出来的最大值，再返回其索引；
3.最大值和索引是相同形状的。

用tf2举例说明：

1.一维
只有一个轴，只能在这个向量上搜索k个最大值

import tensorflow as tf
a = tf.constant([1,2,3,4,5,6])
b, c = tf.math.top_k(a,2)
print(b)
'''
打印输出：
<tf.Tensor: shape=(2,), dtype=int32, numpy=array([6, 5])>
'''
print(c)
'''
打印输出：
<tf.Tensor: shape=(2,), dtype=int32, numpy=array([5, 4])>
'''

2.二维
有两个轴，shape为(2,3)，所以
第一回合(0，x)，固定第一个维度为0，让最后一个轴x在0，1，2变化，搜索k个最大值
第二回合(1，x)，固定第一个维度为1，让最后一个轴x在0，1，2变化，搜索k个最大值

import tensorflow as tf
a = tf.constant([[11,12,13],
                [21,22,23]])
b, c = tf.math.top_k(a,2)
print(b)
'''
打印输出：
<tf.Tensor: shape=(2, 2), dtype=int32, numpy=
array([[13, 12],
       [23, 22]])>
'''
print(c)
'''
打印输出：
<tf.Tensor: shape=(2, 2), dtype=int32, numpy=
array([[2, 1],
       [2, 1]])>
'''

3.三维
有三个轴，shape为(2，2，3)，所以
第一回合(0,0,x)，固定第一个轴为0，固定第二个轴为0，让最后一个轴在x，在0，1，2中变化，搜索k个最大值
第二回合(0,1,x)，固定第一个轴为0，固定第二个轴为1，让最后一个轴在x，在0，1，2中变化，搜索k个最大值
第一回合(1,0,x)，固定第一个轴为1，固定第二个轴为0，让最后一个轴在x，在0，1，2中变化，搜索k个最大值
第一回合(1,1,x)，固定第一个轴为1，固定第二个轴为1，让最后一个轴在x，在0，1，2中变化，搜索k个最大值

import tensorflow as tf
a = tf.constant([
                 [[111,112,113],
                 [121,122,123]],

                 [[211,212,213],
                 [221,222,223]]
                 ])
b, c = tf.math.top_k(a,2)
print(b)
'''
打印输出：
<tf.Tensor: shape=(2, 2, 2), dtype=int32, numpy=
array([[[113, 112],
        [123, 122]],
       [[213, 212],
        [223, 222]]])>
'''
print(c)
'''
打印输出：
<tf.Tensor: shape=(2, 2, 2), dtype=int32, numpy=
array([[[2, 1],
        [2, 1]],
       [[2, 1],
        [2, 1]]])>
'''