Tensflow的targmax函数

一、函数：

argmax(
    input,
    axis=None,
    name=None,
    dimension=None,
    output_type=tf.int64
)

简单的说，tf.argmax就是返回最大的那个数值所在的下标。

二、用法

【code】

import numpy as np
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], dtype=int64)
np.argmax(test,1) #输出：array([2, 2, 0, 0], dtype=int64)

【解释】

1、 axis = 0:

可以这么想，0是最大的范围，所有的数组都要进行比较，只是比较的是这些数组相同位置上的数：

test[0] = array([1, 2, 3])
test[1] = array([2, 3, 4])
test[2] = array([5, 4, 3])
test[3] = array([8, 7, 2])
# output   :    [3, 3, 1]    

2.axis = 1: 

于1的时候，比较范围缩小了，只会比较每个数组内的数的大小，结果也会根据有几个数组，产生几个结果。

test[0] = array([1, 2, 3])  #
test[1] = array([2, 3, 4])  #
test[2] = array([5, 4, 3])  #
test[3] = array([8, 7, 2])  #

3.这是里面都是数组长度一致的情况，如果不一致，axis最大值为最小的数组长度-1，超过则报错。 例如以下代码：

import numpy as np
test = np.array([[1, 2], [2, 3, 4], [5, 4, 3], [8, 7, 2]])

#axis最大值为1，此处为2，报错

np.argmax(test,2) #输出：AxisError Traceback (most recent call last) 

4、当不一致的时候，axis=0的比较也就变成了每个数组的和的比较。例如以下代码：

import numpy as np
test = np.array([[1, 2], [2, 3, 4], [5, 4, 3], [8, 7, 2]])
#数组索引3位置的数组[8, 7, 2]和最大

np.argmax(test,0) #输出：3    

---------------------------------------------------

参考链接：

1. http://blog.csdn.net/qq575379110/article/details/70538051