tf.argmax()作用

最新推荐文章于 2022-07-12 15:07:07 发布
原创 最新推荐文章于 2022-07-12 15:07:07 发布 · 656 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文详细介绍了 TensorFlow 中的 argmax 函数,该函数能够返回张量沿指定轴的最大值索引。argmax 在机器学习任务中常用于确定预测类别。

tf.argmax(input, axis=None, name=None, dimension=None)

Returns the index with the largest value across axes of a tensor.

Tensorflow基础之tf.argmax()
qq_28286027的博客
09-03 375
1.定义 tf.argmax就是返回最大的那个数值所在的下标。 函数如下： argmax(self, axis=None, fill_value=None, out=None) 2.举例 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] np....
tf.argmax()以及axis解析
萝卜虫的博客
04-23 6万+
用tensorflow做CNN_TEXT文本分类时，看到这个API，然后去官网查了一下，再看了一下别的资料，算是明白它的处理方式了。 首先，明确一点，tf.argmax可以认为就是np.argmax。 　　简单的说，tf.argmax就是返回最大的那个数值所在的下标。 这个很好理解，只是tf.argmax()的参数让人有些迷惑，比如，tf.argmax(array, 1)和tf.argmax(arr
tf.argmax的使用
热门推荐
UESTC_C2_403的博客
05-16 7万+
tf.argmax(vector, 1)：返回的是vector中的最大值的索引号，如果vector是一个向量，那就返回一个值，如果是一个矩阵，那就返回一个向量，这个向量的每一个维度都是相对应矩阵行的最大值元素的索引号。 import tensorflow as tf import numpy as np A = [[1,3,4,5,6]] B = [[1,3,4], [2,4,1]] wit
TensorFlow基础学习——TensorFlow中tf.argmax()函数的作用
干勾鱼的优快云博客
10-23 1360
简单来说，tf.argmax()函数的作用就是返回最大的那个数值所在的下标。 比如： import tensorflow as tf import numpy as np A = [[1,3,4,5,6]] B = [[1,3,4], [2,4,1]] with tf.Session() as sess: print(sess.run(tf.argmax(A, 1))) p...
np.argmax()函数用法解析——通俗易懂
12-22
目录 简介 一维数组用法 多维数组用法 二维 高维 0. 简介 numpy.argmax(array, axis) 用于返回一个numpy数组中最大值的索引值。当一组中同时出现几个最大值时，返回第一个最大值的索引值。 在运算时，相当于剥掉一层中括号，返回一个数组，分为一维和多维。一维数组剥掉一层中括号之后就成了一个索引值，是一个数，而n维数组剥掉一层中括号后，会返回一个 n-1 维数组，而剥掉哪一层中括号，取决于axis的取值。 n维的数组的 axis 可以取值从 0 到 n-1，其对应的括号层数为从最外层向内递进，详见后文。 一、一维数组的用法 one_dim_array = np.arra
tf.argmax（）的用法
qq_35535616的博客
12-14 3156
tf.argmax（）的主要功能是找出最大值并返回索引，注意是索引。下面是主要的内参数 tf.argmax( input, axis=None, name=None, dimension=None, output_type=tf.int64 ) # input代表输入的数组 # axis代表按行判断最大值还是按列判断最大值0代表列，1代表行默认为None（0） # name代表操作的名称，默认为None 举例说明： import tensorflow as tf i
tf.argmax用法
blbq105的博客
07-11 348
tf.argmax用法 网上资料一堆,看到头晕.结合书上一些写法,做个总结.不足之处,欢迎指正! 原型:tf.argmax(array,axis) 用途:针对传入函数的axis参数,去选取array中相对应轴元素值大的索引! 千言万语,不如代码来的实际! A = [[1,3,4,5,6]] B = [[1,3,4], [2,4,1]] C = [[[16,...
tf.argmax()
qq_38428245的博客
08-13 917
[ [ [ [2, 3, 1, 4], [4, 1, 4, -1], [5, 3, 2, 1] ], [ [6, 2, 1, 4], [0, 1, 4, -1], [5, 8, 2, 1] ] ] ]
tensorflow中的 tf.argmax() 和 tf.argmin() 函数使用
qq_37691909的博客
12-05 2397
一、首先来看官方文档的解释：（https://tensorflow.google.cn/api_docs/python/tf/arg_max   官方文档地址） （注意：在不同的版本中，有两种形式 arg_max 和 argmax，官方说明在以后会舍弃前者） 函数原型： tf.arg_max(     input,     dimension,     output_type=tf.int6...
tensorflow教程之tf.argmax()用法解析
tian_jiangnan的博客
06-09 3033
tf.argmax(a) 当只有一个参数的时候，求的是这个数组里面最大数的下标或索引 import tensorflow as tf a=tf.argmax([1,5,90,2,3,4,5]) with tf.Session() as sess: print(sess.run(a)) 最大的值是90，对应的索引是2，记住索引是从0开始的 如果是一个二维的矩阵呢 import tensorflow as tf b=[[3,8,9],[2,15,0]] a=tf.argmax(b..
tf.argmax的用法
Miracle_520的博客
12-26 380
rank: 维度 shape：类型 argmax:取最大值的索引号 tf.argmax(arr, 0):取每一列最大值的索引号 tf.argmax(arr, 1):取每一行最大值的索引号
tf.argmax()的详细用法
DreamBro的博客
07-12 353
tf.argmax()函数理解
tf.argmax(array, 1)函数用法
猫头军师兵书
11-22 2007
除了知道返回是坐标，还须记得： tf.argmax(array, 1) 指的是 axis=1 tf.argmax(array)默认axis=0   import numpy as np import tensorflow as tf c = np.array([[1,8,3],[4,5,6]]) d = np.array([[-1,2,0],[7,8,-9]]) f1 = t...
tf.argmax函数
秋叶原的黑猫的博客
04-02 643
原文链接：https://blog.csdn.net/u013580539/article/details/79339250 关于tf.argmax，我看到网上的资料有些杂乱难以理解，所以写这篇文章。在tf.argmax( , )中有两个参数，第一个参数是矩阵，第二个参数是0或者1。0表示的是按列比较返回最大值的索引，1表示按行比较返回最大值的索引。下面上代码： import tensorflow as tf Vector = [1,1,2,5,3] #定义一个向量 X = [[1,3,
tf.argmax函数说明
清晨的光明
09-04 1万+
函数说明： tf.argmax(     input,     axis=None,     name=None,     dimension=None,     output_type=tf.int64 )  参数： input:输入矩阵 axis:默认为None name:默认为None dimension:默认为None output_type:默认类型为int64 用...
tf.argmax的axis用法巧记
qq_41842192的博客
07-20 351
tf.argmax返回的是最大值的坐标，它与np的argmax是一样的。 参数 input：输入Tensor axis：0表示按列，1表示按行 name：名称 dimension：和axis功能一样，默认axis取值优先。新加的字段 关于返回shape比较容易混淆，可以简单地记为axis指向输入input的shape的第几维，返回值的shape就是输入shape减去这一维 如 test = np.array([[1, 2, 3], [2, 3, 4], [5, 4, 3], [8, 7, 2
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值