tf.argmax()函數

argmax(input, axis=None, name=None, dimension=None, output_type=tf.int64)
    Returns the index with the largest value across axes of a tensor. (deprecated arguments)

根據axis的值返回行或者列最大值的下標，axis取值[-2,2)

上代碼

#創建一個2*3的數組，使用隨機種子，保證數據不變
a = tf.Variable(tf.random_normal([2,3],seed = 12345))
#初始化變量
init = tf.global_variables_initializer()
#對每一列進行計算，返回最大值下標
b = tf.argmax(a,0)
#啓動會話層
with tf.Session() as sess:
    sess.run(init)
    print(sess.run(a))
    print(sess.run(b))

輸出結果：

原始數據：
[[ 0.88424665  0.07843047  0.13639879]
 [-0.6109575   1.8525681  -1.1506747 ]]
返回最大值下標索引
[0 1 0]

它是如何返回 [ 0 1 0]的呢

計算流程：

如圖,把原始數據使用兩根紅線豎着分割成三份(按列分割），從上到下進行對比（按行對比），即：0.088424665和-0.6109575進行對比，返回最大值的下標，0.07843047和1.8525681進行對比，返回最大值的下標，0.13639879和-1.1506747進行對比，返回最大值的下標。

0.088424665(下標0）大於 -0.6109575(下標1） ，返回0 

0.07843047(下標0） 小於 1.8525681(下標1） ， 返回1 

0.13639879(下標0） 大於 -1.1506747(下標1）， 返回0 

最終得到結果[ 0 1 0]

 

接下來axis 設置爲 1 

#創建一個2*3的數組，使用隨機種子，保證數據不變
a = tf.Variable(tf.random_normal([2,3],seed = 12345))
#初始化變量
init = tf.global_variables_initializer()
#對每一列進行計算，返回最大值下標
b = tf.argmax(a,1)
#啓動會話層
with tf.Session() as sess:
    sess.run(init)
    print('原始數據：')
    print(sess.run(a))
    print('返回最大值下標索引')
    print(sess.run(b))

輸出結果:

原始數據：
[[ 0.88424665  0.07843047  0.13639879]
 [-0.6109575   1.8525681  -1.1506747 ]]
返回最大值下標索引
[0 1]

計算流程：

如圖,把原始數據使用一根紅線豎着分割成兩份(按行分割），從左到右進行對比（按列對比），即：0.088424665和0.07843047和0.13639879進行對比，返回最大值的下標，-0.6109575和1.8525681和-1.1506747進行對比，返回最大值的下標。

 0.88424665(下標0)  0.07843047(下標1)   0.13639879(下標2) ，經過比較0.88424665最大，返回0

-0.6109575(下標0)   1.8525681(下標1)   -1.1506747(下標2) ，經過比較1.8525681最大，返回1

最終得到結果[0 1]

 

總結：

tf.argmax函數根據axis的值進行 行索引或者列索引，axis取值[-2,2),半開半閉區間，

當axis = 0或-2時 (按列分割），（按行對比）

當axis = 1或-1時 (按行分割），（按列對比）