argmax函數軸取值

在深度學習中，argmax函數很常見，標籤採用ont-hot，輸出層用softmax激活可以加快網絡訓練速度和提升準確率，而在取值時,用argmax函數取值，涉及軸問題，數據在哪個軸，axis就填哪個軸，通常數據都在最後一個軸，下面舉例說明。
一維情形：
代碼：

import tensorflow as tf
import numpy as np

np_arry = (np.random.normal(size=[10]))

tf_arry=tf.Variable(np_arry)

init=tf.global_variables_initializer()

with tf.Session() as sess:
    sess.run(init)
    print(sess.run(tf.argmax(tf_arry,axis=0)))

結果：6

二維：

import tensorflow as tf
import numpy as np

np_arry = (np.random.normal(size=[3,10]))

tf_arry=tf.Variable(np_arry)

init=tf.global_variables_initializer()

with tf.Session() as sess:
    sess.run(init)
    print(sess.run(tf.argmax(tf_arry,axis=1)))

結果：[4 6 4]
注意，二維的時候，3是批次，10是數據，我們如果使axis=0,程序不會報錯，但結果是錯的，結果的意義是批次爲10，數據長度爲3
三維：

import tensorflow as tf
import numpy as np

np_arry = (np.random.normal(size=[3,4,10]))

tf_arry=tf.Variable(np_arry)

init=tf.global_variables_initializer()

with tf.Session() as sess:
    sess.run(init)
    print(sess.run(tf.argmax(tf_arry,axis=2)))

結果：
[[0 2 8 5]
[4 9 1 0]
[7 2 6 4]]
三維一般在RNN中比較常見