TensorFlow- tf.argmax 函数学习

tf.argmax 格式

tf.argmax
argmax(
input,
axis=None,
name=None,
dimension=None
)
其中，input为一个张量，类型为 float32, float64, int64, int32, uint8, uint16, int16, int8, complex64, complex128, qint8, quint8, qint32, half
axis 表示选取的坐标轴
name 为该操作取名

看一个栗子

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

输出结果为：
[1 3 3 2]

输出结果解释

首先，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，当选择axis=1时。表示每一行的最大值，0表示每列的最大值索引，看上面的例子，第一列最大值为10，为该列的第二个，所以索引为1，第二列，最大值为45。为第四个，所以索引为3，第三列最大值为78，为第四个，索引为3，最后一个最大值为66，为第三个，所以索引为2。

axis 换成1

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

[3 0 3 2]
当axis为1，就是比每一行的值，返回最大值在该行的索引，比如，第一行，最大值为4，为第四个，索引为3，第二行最大值为10，为第一个，索引为0，以此类推。

tf.argmin

和argmax格式之类的都是一样，但是返回的是最小值对应的索引

其实tensorflow中的argmin，argmax和numpy中的argmin，argmax是一样的，都是返回索引