文件
math_ops.py
函数定义
def argmax(input,
axis=None,
name=None,
dimension=None,
output_type=dtypes.int64):
if dimension is not None:
if axis is not None:
raise ValueError("Cannot specify both 'axis' and 'dimension'")
axis = dimension
elif axis is None:
axis = 0
return gen_math_ops.arg_max(input, axis, name=name, output_type=output_type)
参数
返回
案例
# axis = 0
import tensorflow as tf
import numpy as np
ipt = np.array([[1,2,1,4],[10,3,2,8],[6,7,9,66],[5,45,78,54]])
res = tf.argmax(ipt,0) # axis = 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 = 1
import tensorflow as tf
import numpy as np
ipt = np.array([[1,2,1,4],[10,3,2,8],[6,7,9,66],[5,45,78,54]])
res = tf.argmax(ipt,1) # axis = 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
