Tensflow的targmax函数
2024-09-24 18:58:22
一、函数:
argmax(
input,
axis=None,
name=None,
dimension=None,
output_type=tf.int64
)
简单的说,tf.argmax就是返回最大的那个数值所在的下标。
二、用法
【code】
import numpy as np
test = np.array([[1, 2, 3], [2, 3, 4], [5, 4, 3], [8, 7, 2]])
np.argmax(test,0) #输出:array([3, 3, 1], dtype=int64)
np.argmax(test,1) #输出:array([2, 2, 0, 0], dtype=int64)
【解释】
1、 axis = 0:
可以这么想,0是最大的范围,所有的数组都要进行比较,只是比较的是这些数组相同位置上的数:
test[0] = array([1, 2, 3])
test[1] = array([2, 3, 4])
test[2] = array([5, 4, 3])
test[3] = array([8, 7, 2])
# output : [3, 3, 1]
2.axis = 1:
于1的时候,比较范围缩小了,只会比较每个数组内的数的大小,结果也会根据有几个数组,产生几个结果。
test[0] = array([1, 2, 3]) #
test[1] = array([2, 3, 4]) #
test[2] = array([5, 4, 3]) #
test[3] = array([8, 7, 2]) #
3.这是里面都是数组长度一致的情况,如果不一致,axis最大值为最小的数组长度-1,超过则报错。 例如以下代码:
import numpy as np
test = np.array([[1, 2], [2, 3, 4], [5, 4, 3], [8, 7, 2]]) #axis最大值为1,此处为2,报错
np.argmax(test,2) #输出:AxisError Traceback (most recent call last)
4、当不一致的时候,axis=0的比较也就变成了每个数组的和的比较。例如以下代码:
import numpy as np
test = np.array([[1, 2], [2, 3, 4], [5, 4, 3], [8, 7, 2]])
#数组索引3位置的数组[8, 7, 2]和最大
np.argmax(test,0) #输出:3
---------------------------------------------------
参考链接:
- http://blog.csdn.net/qq575379110/article/details/70538051
最新文章
- VisualStudio控制台输出窗口一闪而过
- powershell中使用超大内存对象
- BZOJ 1123: [POI2008]BLO
- 【GoLang】GO语言系列--002.GO语言基础
- 二模02day1解题报告
- Oracle 10046 event详解-转载
- js 字符串编码转换函数
- poj 3182 The Grove
- 京东区块排版负margin用法
- Qt的Model/View Framework解析(数据是从真正的“肉(raw)”里取得,Model提供肉,所以读写文件、操作数据库、网络通讯等一系列与数据打交道的工作就在model中做了)
- python实现朴素贝叶斯
- Jmeter之https脚本录制
- JS_单个或多个文件上传_不支持单独修改
- Python学习总结 05 pandas
- emmm
- scala中的一些特殊符号的意义
- 软件工程团队项目第一次Sprint评审
- ms cms
- WindowsPhone&;amp;Windows8.1&;amp;Windows8&;amp;Unity3d 填坑日记
- 抽奖小程序,js,canvas
热门文章
- Windows云服务器购买
- Error starting ApplicationContext. To display the conditions report re-run your application with 'debug' enabled.
- 虚拟机下 centos7 无法连接网络
- MySQL开发——【联合查询、多表连接、子查询】
- AES-GCM算法
- 如何自行搭建一个威胁感知大脑 SIEM?| 硬创公开课
- spring rabbitmq集成
- [uboot] (第二章)uboot流程——uboot-spl编译流程
- JAVA 8 主要新特性 ----------------(一)总纲
- Papers | 超分辨 + 深度学习(未完待续)