文件

math_ops.py

函數定義

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)

參數

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)

輸出結果為： [1 3 3 2]

輸出結果解釋
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，當選擇axis=1時。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，第一列最大值為10，為該列的第二個，所以索引為1，第二列，最大值為45。為第四個，所以索引為3，第三列最大值為78，為第四個，索引為3，最后一個最大值為66，為第三個，所以索引為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]

當axis為1，就是比每一行的值，返回最大值在該行的索引，比如，第一行，最大值為4，為第四個，索引為3，第二行最大值為10，為第一個，索引為0，以此類推。
tf.argmin
和argmax格式之類的都是一樣，但是返回的是最小值對應的索引
其實tensorflow中的argmin，argmax和numpy中的argmin，argmax是一樣的，都是返回索引