精华内容
下载资源
问答
  • np.argmax

    2021-04-11 14:20:37
    argmax返回的是最大数的索引。 argmax有一个参数axis,默认是0,表示每一列的最大值的索引,axis=1表示每一行的最大值的索引。 >>a = np.array([[1, 5, 5, 2], [9, 6, 2, 8], ...np.argmax(a,

    argmax返回的是最大数的索引

    argmax有一个参数axis,默认是0,表示每一列的最大值的索引,axis=1表示每一行的最大值的索引。

    >>a = np.array([[1, 5, 5, 2],
                   [9, 6, 2, 8],
                   [3, 7, 9, 1]])
    >>np.argmax(a,axis=0)
    >>array([1, 2, 2, 1], dtype=int64)
    >>np.argmax(a,axis=1)
    >>array([1, 0, 2], dtype=int64)
    
    展开全文
  • np.argmax()

    万次阅读 多人点赞 2018-03-22 11:26:58
    b=np.argmax(a)#取出a中元素最大值所对应的索引,此时最大值位6,其对应的位置索引值为4,(索引值默认从0开始) print(b)#4 2.对2维向量(通常意义下的矩阵)a[][]import numpy as np a = np.array([[1, 5, 5, ...

    1.对一个一维向量

    import numpy as np
    a = np.array([3, 1, 2, 4, 6, 1])
    b=np.argmax(a)#取出a中元素最大值所对应的索引,此时最大值位6,其对应的位置索引值为4,(索引值默认从0开始)
    print(b)#4
    

    2.对2维向量(通常意义下的矩阵)a[][]

    import numpy as np
    a = np.array([[1, 5, 5, 2],
                  [9, 6, 2, 8],
                  [3, 7, 9, 1]])
    b=np.argmax(a, axis=0)#对二维矩阵来讲a[0][1]会有两个索引方向,第一个方向为a[0],默认按列方向搜索最大值
    #a的第一列为1,9,3,最大值为9,所在位置为1,
    #a的第一列为5,6,7,最大值为7,所在位置为2,
    #此此类推,因为a有4列,所以得到的b为1行4列,
    print(b)#[1 2 2 1]
    
    c=np.argmax(a, axis=1)#现在按照a[0][1]中的a[1]方向,即行方向搜索最大值,
    #a的第一行为1,5,5,2,最大值为5(虽然有2个5,但取第一个5所在的位置),索引值为1,
    #a的第2行为9,6,2,8,最大值为9,索引值为0,
    #因为a有3行,所以得到的c有3个值,即为1行3列
    print(c)#[1 0 2]
    

    3.对于三维矩阵a[0][1][2],情况最为复制,但在lstm中应用最广

    import numpy as np
    a = np.array([
                  [
                      [1, 5, 5, 2],
                      [9, -6, 2, 8],
                      [-3, 7, -9, 1]
                  ],
    
                  [
                      [-1, 7, -5, 2],
                      [9, 6, 2, 8],
                      [3, 7, 9, 1]
                  ],
                [
                      [21, 6, -5, 2],
                      [9, 36, 2, 8],
                      [3, 7, 79, 1]
                  ]
                ])
    b=np.argmax(a, axis=0)#对于三维度矩阵,a有三个方向a[0][1][2]
    #当axis=0时,是在a[0]方向上找最大值,即两个矩阵做比较,具体
    #(1)比较3个矩阵的第一行,即拿[1, 5, 5, 2],
    #                         [-1, 7, -5, 2],
    #                         [21, 6, -5, 2],
    #再比较每一列的最大值在那个矩阵中,可以看出第一列1,-2,21最大值为21,在第三个矩阵中,索引值为2
    #第2列5,7,6最大值为7,在第2个矩阵中,索引值为1.....,最终得出比较结果[2 1 0 0]
    #再拿出三个矩阵的第二行,按照上述方法,得出比较结果 [0 2 0 0]
    #一共有三个,所以最终得到的结果b就为3行4列矩阵
    print(b)
    #[[0 0 0 0]
     #[0 1 0 0]
     #[1 0 1 0]]
    
    c=np.argmax(a, axis=1)#对于三维度矩阵,a有三个方向a[0][1][2]
    #当axis=1时,是在a[1]方向上找最大值,即在列方向比较,此时就是指在每个矩阵内部的列方向上进行比较
    #(1)看第一个矩阵
                      # [1, 5, 5, 2],
                      # [9, -6, 2, 8],
                      # [-3, 7, -9, 1]
    #比较每一列的最大值,可以看出第一列1,9,-3最大值为9,,索引值为1
    #第2列5,-6,7最大值为7,,索引值为2
    # 因此对第一个矩阵,找出索引结果为[1,2,0,1]
    #再拿出2个,按照上述方法,得出比较结果 [1 0 2 1]
    #一共有三个,所以最终得到的结果b就为3行4列矩阵
    print(c)
    #[[1 2 0 1]
     # [1 0 2 1]
     # [0 1 2 1]]
    
    d=np.argmax(a, axis=2)#对于三维度矩阵,a有三个方向a[0][1][2]
    #当axis=2时,是在a[2]方向上找最大值,即在行方向比较,此时就是指在每个矩阵内部的行方向上进行比较
    #(1)看第一个矩阵
                      # [1, 5, 5, 2],
                      # [9, -6, 2, 8],
                      # [-3, 7, -9, 1]
    #寻找第一行的最大值,可以看出第一行[1, 5, 5, 2]最大值为5,,索引值为1
    #第2行[9, -6, 2, 8],最大值为9,,索引值为0
    # 因此对第一个矩阵,找出行最大索引结果为[1,0,1]
    #再拿出2个矩阵,按照上述方法,得出比较结果 [1 0 2 1]
    #一共有三个,所以最终得到的结果d就为3行3列矩阵
    print(d)
    # [[1 0 1]
    #  [1 0 2]
    #  [0 1 2]]
    ###################################################################
    #最后一种情况,指定矩阵a[0, -1, :],第一个数字0代表取出第一个矩阵(从前面可以看出a有3个矩阵)为
    # [1, 5, 5, 2],
    # [9, -6, 2, 8],
    # [-3, 7, -9, 1]
    #第二个数字“-1”代表拿出倒数第一行,为
    # [-3, 7, -9, 1]
    #这一行的最大索引值为1
    
    # ,-1,代表最后一行
    m=np.argmax(a[0, -1, :])
    print(m)#1
    
    #h,取a的第2个矩阵
    # [-1, 7, -5, 2],
    # [9, 6, 2, 8],
    # [3, 7, 9, 1]
    #的第3行
    # [3, 7, 9, 1]
    #的最大值为9,索引为2
    h=np.argmax(a[1, 2, :])
    print(h)#2
    
    g=np.argmax(a[1,:, 2])#g,取出矩阵a,第2个矩阵的第3列为-5,2,9,最大值为9,索引为2
    print(g)#2


    展开全文
  • np.argmax和torch.max

    2021-02-20 10:23:44
    np.argmax(a) 取回对应的索引index(从下标0开始) 2.多个维度 1.np.argmax() a = np.array([[1, 5, 5, 2], [9, 6, 2, 8], [3, 7, 9, 1]]) np.argmax(a,axis=0) 结果: array([1, 2, 2, 1], dtype=int64) 很明

    1.arg就是argument,自变量的意思

    argmax(f) 返回函数f的值取最大值时自变量的值
    
    np.argmax(a)
    取回对应的索引index(从下标0开始)
    
    

    2.多个维度

    在这里插入图片描述
    1.np.argmax()

    a = np.array([[1, 5, 5, 2],
                  [9, 6, 2, 8],
                  [3, 7, 9, 1]])
    
    np.argmax(a,axis=0)
    结果:
    array([1, 2, 2, 1], dtype=int64)
    

    很明显,按照axis=0
    就是每列最大值所对应的下标,从0开始计算的

    2.np.max()

    np.max(a,axis=1)
    
    结果:
    array([5, 9, 9])
    

    3.torch.max()

    返回一个元组tuple
    max,index

    展开全文
  • np.max()和np.argmax()

    2021-06-25 21:22:32
    np.max()作用:取最大值。...np.argmax()作用:取最大值所在的索引。承接上面,我们希望得到最大值所在的位置。 1.取这6个元素中的最大值的索引, np.argmax(a) 2.按照维度来选取多个最大值,按照行,选

    np.max()作用:取最大值。

    a=np.array([[1,4,2],[2,3,5]])
    a
    

    在这里插入图片描述
    1.取这6个元素中的最大值,

    np.max(a)
    

    在这里插入图片描述
    2.按照维度来选取多个最大值,按照行,选出每一行的最大值,即:

    np.max(a,1)
    

    在这里插入图片描述
    3.按照列,选出每一列的最大值,即:

    np.max(a,0)
    

    在这里插入图片描述

    np.argmax()作用:取最大值所在的索引。承接上面,我们希望得到最大值所在的位置。
    在这里插入图片描述
    1.取这6个元素中的最大值的索引,

    np.argmax(a)
    

    在这里插入图片描述
    2.按照维度来选取多个最大值,按照行,选出每一行的最大值在该行的索引,即:

    np.argmax(a,1)
    

    在这里插入图片描述

    3.按照列,选出每一列的最大值在该列的索引,即:

    np.argmax(a,0)
    

    在这里插入图片描述

    展开全文
  • np.argmax[np.newaxis,N]

    2021-07-14 15:48:46
    import numpy as np a = np.random.randint(6,size=4) print(a) b = a[np.newaxis, :] print(b) print(b[0]) print(np.argmax(b[0])) print(np.argmax(b)) 结果: [2 3 3 5] [[2 3 3 5]] [2 3 3 5] 3 3
  • numpy之np.argmax

    2020-11-25 09:03:16
    np.argmax函数的作用 就是获取最大值的索引,也就是id 举例说明: np.argmax函数参数 argmax(a, axis=None, out=None) 返回axis维度的最大值的索引 a :输入一个array类型的数组。 axis:参数为...
  • tf.argmax()和np.argmax()使用: tf.argmax是tensorflow用numpy的np.argmax实现的,用于返回矩阵或者向量中的最大元素所在的索引值,两者使用方法相同。 import numpy as np x=np.array([[1,2,5],[2,1,1],[5,8,2]]) ...
  • np.max(), np.maximum(), np.argmax()

    千次阅读 2019-11-09 14:29:14
    np.argmax:接受一个参数,返回最大值对应的索引; np.maximum:接受两个参数,对应数学中的max操作 import numpy as np a = [-10, -3, -2, 0, 7, 2, 3] b = np.max(a) c = np.argmax(a) d = np.maximum(0, a) a ...
  • np.argmax()函数用法解析——通俗易懂

    万次阅读 多人点赞 2020-02-27 20:21:54
    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...
  • np.argmax()使用说明

    千次阅读 2020-03-21 12:12:54
    np.argmax()是numpy中获取array的某一个维度中数值最大的那个元素的索引,实例如下: import numpy as np x = np.random.normal(1,4,(3,5)) y = np.argmax(x,axis=1) print(x) print(x.shape) print(y) print(y....
  • numpy专题——最值、求和最大值np.max()np.argmax()np.maximum()求和二级目录三级目录 最大值 np.max() 参数解析 np.max(array, axis=None, out=None, keepdims=False) 一维ndarray import numpy as np array1 =...
  • np.argmax&torch.max()对比

    2020-06-27 12:59:44
    argmax函数np.argmax() 通俗来说:在axis的增长方向上求最大值 np.argmax() import numpy as np a = np.array([ [ [1, 5, 5, 2], [9, -6, 2, 8], [-3, 7, -9, 1] ], [ [-
  • 文章目录一、`np.expand_dims()`二、`np.argmax()` 一、np.expand_dims() np.expand_dims() 用于扩展数组的形状 np.expand_dims(a, axis=0)表示在0位置添加数据 np.expand_dims(a, axis=1)表示在1位置添加数据 np....
  • 在写AI算法的Demo时,偶然间出现了一个bug,发现是我不小心将tf.argmax()写成了np.argmax(),正好闲来无事,辨析下两个API的使用 一、np.argmax()的使用 np.argmax()是Python的第三方库numpy中的一个常见API,经常...
  • np.argmax()函数的作用

    千次阅读 多人点赞 2019-04-17 20:22:56
    np.argmax函数的作用np.argmax函数参数 np.argmax函数参数 argmax(a, axis=None, out=None) 返回axis维度的最大值的索引 a :输入一个array类型的数组。 axis:参数为None时默认比较整个数组,参数为0按列比较,参数...
  • np.argmax()函数解析

    2020-06-15 10:52:30
    np.argmax()函数解析 一维 #取出a中元素最大值所对应的索引,此时最大值为6,其对应的位置索引值为4,(索引值默认从0开始) import numpy as np a = np.array([3, 1, 2, 4, 6, 1]) b=np.argmax(a) b 4 二维 #按...
  • numpy模块中axis的理解——以np.argmax为例np.argmax参数数量及其作用axis不同情况的示例 np.argmax参数数量及其作用 np.argmax是用于取得数组中每一行或者每一列的的最大值。常用于机器学习中获取分类结果、计算...
  • Python基本函数:np.argmax()

    千次阅读 2019-10-29 21:15:18
    Python基本函数:np.argmax()一、函数说明二、函数用法 格式:np.argmax(a) 注意:返回的是a中元素最大值所对应的索引值 一、函数说明 argmax(a, axis=None, out=None) Returns the indices of the maximum ...
  • Python基本函数:np.argmax

    2020-10-20 16:14:28
    Python基本函数:np.argmax() 一、函数说明 二、函数用法 格式:np.argmax(a)注意:返回的是a中元素最大值所对应的索引值 一、函数说明 <span style="color:#000000"><code class="language-...
  • 一维数组一维数组使用np.argmax返回的是数组内最大值的下标位置import numpy as npy1 = np.array([1,2,3,7,8,9]) y1 = np.argmax(y1) print("the y1 is") print(y1)结果the y1 is 5二维数组2.1 不指定axis返回值是...
  • 理解numpy数组中沿轴求最值,求和 假设我们的数组共有0、1、2、3四维(分别代表着不同含义,可参考自己的数据进行替换),三个...np.argmax(axis=C) # 同A、同B、同D,在不同C中元素值最大的 是哪个C np.min() n...
  • import numpy as np a = np.array([[1,1,1],[2,2,2],[0,3,6]]) ...b1 = np.argmax(a) b1 8 b2 = np.argmax(a, axis=0) b2 array([1, 2, 2], dtype=int64) b3 = np.argmax(a, axis=1) b3 array([0, 0, 2], dtype
  • 参考链接: numpy.ndarray.argmax 参考链接: numpy.argmax 参考链接: numpy.ndarray.argmin 参考链接: numpy.argmin
  • import numpy as np a = np.array([[2, 4, 6, 1], [1, 5, 2...print(np.argmax(a)) print(np.argmax(a, axis=0)) #竖着比较,返回行号 print(np.argmax(a, axis=1)) #横着比较,返回列号 输出: 7 [0 1 0 1] [2 3]...
  • Python基础——min/max与np.argmin/np.argmax

    万次阅读 2015-11-25 23:37:17
    这里应该是拿min/max(更适合处理可迭代对象,可选的参数是key=func)与np.min/np.max(可适合处理numpy.ndarray对象,可选的参数是axis=0或者1)作比较,只不过np.argmin/np.argmax的用法与np.min/np.max相似,这里...
  • 在用tensorflow进行神经网络建模的学习中,发现教程里在不同的位置用到了tf.argmaxnp.argmax, 作用基本相同,都是反馈最大值的下标,于是乎甚是疑惑,这两兄弟到底有什么区别? 找度娘 百度了之后,查看了10余篇...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 44,113
精华内容 17,645
关键字:

np.argmax