tf.argmax

文件

math_ops.py

函數(shù)定義

def argmax(input,
         axis=None,
         name=None,
         dimension=None,
         output_type=dtypes.int64):
if dimension is not None:
  if axis is not None:
    raise ValueError("Cannot specify both 'axis' and 'dimension'")
  axis = dimension
elif axis is None:
  axis = 0
return gen_math_ops.arg_max(input, axis, name=name,   output_type=output_type)

參數(shù)

返回

案例

# axis = 0
import tensorflow as tf
import numpy as np
ipt = np.array([[1,2,1,4],[10,3,2,8],[6,7,9,66],[5,45,78,54]])
res = tf.argmax(ipt,0)  # axis = 0
sess = tf.Session()
opt = sess.run(res)
print(opt)

輸出結(jié)果為: [1 3 3 2]

輸出結(jié)果解釋
首先祠汇,argmax返回的是索引值,返回每一行或者每一列的最大值的索引,當(dāng)選擇axis=1時(shí)仍侥。表示每一行的最大值豁状,0表示每列的最大值索引捉偏,看上面的例子,第一列最大值為10泻红,為該列的第二個(gè)夭禽,所以索引為1,第二列谊路,最大值為45讹躯。為第四個(gè),所以索引為3缠劝,第三列最大值為78潮梯,為第四個(gè),索引為3惨恭,最后一個(gè)最大值為66秉馏,為第三個(gè),所以索引為2脱羡。

# axis = 1
import tensorflow as tf
import numpy as np
ipt = np.array([[1,2,1,4],[10,3,2,8],[6,7,9,66],[5,45,78,54]])
res = tf.argmax(ipt,1)   # axis = 1
sess = tf.Session()
opt = sess.run(res)
print(opt)

[3 0 3 2]

當(dāng)axis為1萝究,就是比每一行的值,返回最大值在該行的索引锉罐,比如帆竹,第一行,最大值為4脓规,為第四個(gè)栽连,索引為3,第二行最大值為10侨舆,為第一個(gè)秒紧,索引為0舷暮,以此類(lèi)推。
tf.argmin
和argmax格式之類(lèi)的都是一樣噩茄,但是返回的是最小值對(duì)應(yīng)的索引
其實(shí)tensorflow中的argmin下面,argmax和numpy中的argmin,argmax是一樣的绩聘,都是返回索引

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末沥割,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子凿菩,更是在濱河造成了極大的恐慌机杜,老刑警劉巖,帶你破解...
    沈念sama閱讀 222,378評(píng)論 6 516
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件衅谷,死亡現(xiàn)場(chǎng)離奇詭異椒拗,居然都是意外死亡,警方通過(guò)查閱死者的電腦和手機(jī)获黔,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 94,970評(píng)論 3 399
  • 文/潘曉璐 我一進(jìn)店門(mén)蚀苛,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái),“玉大人玷氏,你說(shuō)我怎么就攤上這事堵未。” “怎么了盏触?”我有些...
    開(kāi)封第一講書(shū)人閱讀 168,983評(píng)論 0 362
  • 文/不壞的土叔 我叫張陵渗蟹,是天一觀(guān)的道長(zhǎng)。 經(jīng)常有香客問(wèn)我赞辩,道長(zhǎng)雌芽,這世上最難降的妖魔是什么? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 59,938評(píng)論 1 299
  • 正文 為了忘掉前任辨嗽,我火速辦了婚禮世落,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘召庞。我一直安慰自己岛心,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 68,955評(píng)論 6 398
  • 文/花漫 我一把揭開(kāi)白布篮灼。 她就那樣靜靜地躺著,像睡著了一般徘禁。 火紅的嫁衣襯著肌膚如雪诅诱。 梳的紋絲不亂的頭發(fā)上,一...
    開(kāi)封第一講書(shū)人閱讀 52,549評(píng)論 1 312
  • 那天送朱,我揣著相機(jī)與錄音娘荡,去河邊找鬼干旁。 笑死,一個(gè)胖子當(dāng)著我的面吹牛炮沐,可吹牛的內(nèi)容都是我干的争群。 我是一名探鬼主播,決...
    沈念sama閱讀 41,063評(píng)論 3 422
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼大年,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼换薄!你這毒婦竟也來(lái)了?” 一聲冷哼從身側(cè)響起翔试,我...
    開(kāi)封第一講書(shū)人閱讀 39,991評(píng)論 0 277
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤轻要,失蹤者是張志新(化名)和其女友劉穎,沒(méi)想到半個(gè)月后垦缅,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體冲泥,經(jīng)...
    沈念sama閱讀 46,522評(píng)論 1 319
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 38,604評(píng)論 3 342
  • 正文 我和宋清朗相戀三年壁涎,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了凡恍。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 40,742評(píng)論 1 353
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡怔球,死狀恐怖咳焚,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情庞溜,我是刑警寧澤革半,帶...
    沈念sama閱讀 36,413評(píng)論 5 351
  • 正文 年R本政府宣布,位于F島的核電站流码,受9級(jí)特大地震影響又官,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜漫试,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 42,094評(píng)論 3 335
  • 文/蒙蒙 一六敬、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧驾荣,春花似錦外构、人聲如沸。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 32,572評(píng)論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)。三九已至歧匈,卻和暖如春垒酬,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 33,671評(píng)論 1 274
  • 我被黑心中介騙來(lái)泰國(guó)打工勘究, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留矮湘,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 49,159評(píng)論 3 378
  • 正文 我出身青樓口糕,卻偏偏與公主長(zhǎng)得像缅阳,于是被迫代替她去往敵國(guó)和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子景描,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,747評(píng)論 2 361

推薦閱讀更多精彩內(nèi)容