Keras對多維Tensor的argmax()解析

基礎理論

argmax中的axis參數表示在該維度上比較各元素。並且，張量各維度對換，不影響在該維度取argmax()的結果。

a = tf.constant([[[1, 2, 3], [3, 2, 2]], [[10, 11, 12], [4, 5, 6]]])  # a是個2*2*3的tensor
b = tf.argmax(a, axis=1, output_type=tf.int32)
at = tf.transpose(a, [0, 2, 1])  # 將DIM1和DIM2對換，at變成了2*3*2
c = tf.argmax(at, axis=2, output_type=tf.int32)

with tf.Session() as sess:
    print(sess.run(b))
    print(sess.run(c))
print("")

輸出結果

[[1 0 0]
 [0 0 0]]
[[1 0 0]
 [0 0 0]]

tf.argmax(a, axis=1)相當於是在a的DIM1上比較，也就是1和3，2和2，3和2，以及10和4，11和5，12和6比較。如果改成tf.argmax(a, axis=0)，相當於是a在DIM0上比較，也就是1和10，2和11，3和12，以此類推。

應用場景

比如，目前有分子特徵張量input，維度爲SampNum × AtomNum × FeatNum，那麼，argmax(input, axis=1)將得到維度爲SampNum × FeatNum的Tensor，其元素表示各樣本分子的各種向量值表徵、同種向量的最大者所對應的原子id。
同樣的，再來一個，argmax(input, axis=2)將得到維度爲SampNum × AtomNum的Tensor，其元素表示各樣本分子的各原子的FeatNum種特徵中，最大的特徵值所對應的特徵id。