精华内容
下载资源
问答
  • 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...
  • 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...

    提示:如果本文对您有帮助,请点赞支持!

     

    前言

    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,经常用来获取数组中的最大值所在的索引。所以使用该API要先导入该库:

    import numpy as np

    该API的完全定义如下:

    def argmax(a, axis=None, out=None)# 第1个参数是输入的np数组;第2个参数是所获取的轴,取值为整数0,1等;第3个参数是输出的np数组,一般用不到

    首先定义一个一维数组来进行测试:

        # 定义一个一维数组
        y1 = np.array([1, 2, 3, 7, 8, 9])
        print("result: {}".format(np.argmax(y1,axis=None))) #result: 5
        print("result: {}".format(np.argmax(y1, axis=0)))  # result: 5
        print("result: {}".format(np.argmax(y1, axis=1)))  # numpy.AxisError: axis 1 is out of bounds for array of dimension 1

    接下来定义一个二维数组来进行测试:

        # 定义一个二维数组
        y2 = np.array([[1, 9, 3], [7, 8, 9]])
        print("result: {}".format(np.argmax(y2,axis=None))) # result: 1
        print("result: {}".format(np.argmax(y2,axis=0)))  # result: [1 0 1]
        print("result: {}".format(np.argmax(y2,axis=1)))  # result: [1 2]

    最后定义一个三维数组来进行测试:

    # 定义一个三维数组
        y3 = np.array([[[1, 9, 3],
                        [7, 8, 9]],
                       [[2, 6, 3],
                        [7, 6, 9]],
                       ])
        print("result: {}".format(np.argmax(y3, axis=None)))  # result: 1返回最大值所在的索引,类型为整型,如果有多个相同的最大值,则返回第一个
        print("result: {}".format(np.argmax(y3, axis=0)))  # result:  [[1 0 0][0 0 0]] z最大的
        print("result: {}".format(np.argmax(y3, axis=1)))  # result: [[1 0 1] [1 0 1]]y最大的
        print("result: {}".format(np.argmax(y3, axis=2)))  # result: [[1 2 ] [1 2]] x最大的

    总结上述实例,我们可以总结出如下规律:

    当axis=None时,我们将n维数组降为一维数组,取该数组里面最大值的索引,若存在多个最大值则返回第一个最大值所在的索引,所以返回的是一个0维的整型数字;

    例如上述的三维数组被看成[1, 9, 3,7, 8, 9,2, 6, 3,7, 6, 9],第一个最大值所在索引是1

    当axis=0时,取第0维中的每个元素的对应位置取最大值索引,若存在多个最大值则返回第一个最大值所在的索引,返回的是n-1维数组;

    例如上述的三维数组在第0维方向上,我们的作用对象是[[1, 9, 3],[7, 8, 9]]和[[2, 6, 3],[7, 6, 9]],此时作用后则变成了 [[1 0 0][0 0 0]]

    当axis=1时,取第1维中的每个元素的对应位置取最大值索引,若存在多个最大值则返回第一个最大值所在的索引,返回的是n-1维数组;

    例如上述的三维数组在第1维方向的,我们的第1个作用对象是[1, 9, 3]和[7, 8, 9],其作用后是[1 0 1];第2个作用对象是[2, 6, 3],[7, 6, 9],其作用后是[1 0 1],则最终结果变成了 [[1 0 1][0 0 1]]

    当axis=2时,取第2维中的每个元素的对应位置取最大值索引,若存在多个最大值则返回第一个最大值所在的索引,返回的是n-1维数组;

    例如上述的三维数组在第2维方向的,则我们的第1个作用对象是[1, 9, 3],其作用结果是1;第1个作用对象是[7, 8, 9],其作用结果是2,此时合起来是[1,2];第3个作用对象是[2, 6, 3],其作用结果是1;第4个作用对象是[7, 6, 9],其作用结果是2,此时合起来是[1,2];;则最终结果变成了 [[1 2][1 2]]

    当axis>多维数组的秩-1时,则报错:numpy.AxisError: axis 1 is out of bounds for array of dimension 1

    二、tf.argmax()的使用

    tf.argmax()是TensorFlow的一个常见API,也是经常用来获取数组中的最大值所在的索引,其内部也是用numpy来实现的。所以使用该API要先导入该库:

    import tensorflow as tf

    该API的完全定义如下:

    argmax(input,axis=None,name=None,dimension=None,output_type=dtypes.int64)# 第1个参数是输入的tf张量;第2个参数是所获取的轴,取值为整数0,1等;第3个参数是返回的tf张量的名字;剩下的参数一般不常用

    该API返回的是tf张量,这一点和numpy返回np数组不同。

    因为返回的是tf张量,所以直接输出tf张量,只会查看该张量对象的一些基本信息,例如:

    print("result: {}".format(tf.argmax(y1)))  # result: Tensor("ArgMax_2:0", shape=(), dtype=int64)

    在TensorFlow中要用会话Session来输出tf张量,所以正确的打印如下:

        with tf.Session() as sess:
            result = sess.run(tf.argmax(y1, 0))
            print("result: {}".format(result))# result: 5

    其他用法和上述的np.argmax()相同。

    展开全文
  • tf.argmax与numpy.argmax

    2019-03-25 20:21:51
    先看下官网定义: tf.argmax tf.argmax( input, axis=None, name=None, dimension=None, output_type=tf.int64 ) Defined in tensorflow/python/ops/math_ops.py. See the guide: Math > Sequence C...

    先看下官网定义:

    tf.argmax

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

    Defined in tensorflow/python/ops/math_ops.py.

    See the guide: Math > Sequence Comparison and Indexing

    Returns the index with the largest value across axes of a tensor. (deprecated arguments)

    SOME ARGUMENTS ARE DEPRECATED. They will be removed in a future version. Instructions for updating: Use the axis argument instead

    Note that in case of ties the identity of the return value is not guaranteed.

    Args:

    • input: A Tensor. Must be one of the following types: float32, float64, int32, uint8, int16, int8, complex64, int64, qint8, quint8, qint32, bfloat16, uint16, complex128, half, uint32, uint64.
    • axis: A Tensor. Must be one of the following types: int32, int64. int32 or int64, must be in the range [-rank(input), rank(input)). Describes which axis of the input Tensor to reduce across. For vectors, use axis = 0.必须是下列类型之一:int32、int64。int32或int64,必须在[-rank(输入),rank(输入)]范围内。描述输入张量的哪个轴要缩小。对于向量,使用axis = 0。
    • output_type: An optional tf.DType from: tf.int32, tf.int64. Defaults to tf.int64.
    • name: A name for the operation (optional).

    Returns:

    A Tensor of type output_type.



    np.argmax
    numpy.argmax(a, axis=None, out=None)

    Returns the indices of the maximum values along an axis.

    Parameters:

    • a : array_like

      Input array.

    • axis : int, optional

      By default, the index is into the flattened array, otherwise along the specified axis.

    • out : array, optional

       If provided, the result will be inserted into this array. It should be of the appropriate shape and dtype.
      
    • Returns: index_array : ndarray of ints

      Array of indices into the array. It has the same shape as a.shape with the dimension along axis removed.
      

    See also

    ndarray.argmax, argmin

    amax
    The maximum value along a given axis.
    unravel_index
    Convert a flat index into an index tuple.

    Notes

    In case of multiple occurrences of the maximum values, the indices corresponding to the first occurrence are returned.

    Examples:

      >>>
    
      >>> a = np.arange(6).reshape(2,3) + 10
      >>> a
      array([[10, 11, 12],
             [13, 14, 15]])
      >>> np.argmax(a)
      5
      >>> np.argmax(a, axis=0)
      array([1, 1, 1])
      >>> np.argmax(a, axis=1)
      array([2, 2])
    
      Indexes of the maximal elements of a N-dimensional array:
      >>>
    
      >>> ind = np.unravel_index(np.argmax(a, axis=None), a.shape)
      >>> ind
      (1, 2)
      >>> a[ind]
      15
    
      >>>
    
      >>> b = np.arange(6)
      >>> b[1] = 5
      >>> b
      array([0, 5, 2, 3, 4, 5])
      >>> np.argmax(b)  # Only the first occurrence is returned.
      1
    


    官方文档看完了,接下来直接通过实例进行比较说明

    # coding: UTF-8
    import tensorflow as tf
    import numpy as np
    import random
    
    vector = [1, 2, 3]
    matrix = [[1, 2, 3],
              [4, 5, 6]]
    
    t_v_arg = tf.argmax(vector)    # tf.argmax对向量来说,默认axis=0,也只能为0
    t_v_arg_0 = tf.argmax(vector, axis=0)  # 等同于tf.argmax(vector) , axis取1会报错
    
    t_m_arg_0 = tf.argmax(matrix, axis=0)
    t_m_arg_1 = tf.argmax(matrix, axis=1)
    
    n_v_arg = np.argmax(vector)
    n_v_arg_0 = np.argmax(vector, axis=0)    # 等同于np.argmax(vector)
    # n_v_arg_1 = np.argmax(vector, axis=1)  # 报错numpy.AxisError: axis 1 is out of bounds for array of dimension 1
    
    n_m_arg_0 = np.argmax(matrix, axis=0)
    n_m_arg_1 = np.argmax(matrix, axis=1)
    
    with tf.Session() as sess:
        init = tf.initialize_all_variables()
        sess.run(init)
    
        print("v_arg:", sess.run(t_v_arg))
        print('v_arg_1:', sess.run(t_v_arg_0))
        print("m_arg_0:", sess.run(t_m_arg_0))
        print("m_arg_1:", sess.run(t_m_arg_1))
    
        print("n_v_arg:", n_v_arg)
        print("n_v_agr_0:", n_v_arg_0)
        print("n_m_arg_0:", n_m_arg_0)
        print("n_m_arg_1:", n_m_arg_1)
    
    """
    结果:
    
    v_arg: 2
    v_arg_1: 2
    m_arg_0: [1 1 1]
    m_arg_1: [2 2]
    n_v_arg: 2
    n_v_agr_0: 2
    n_m_arg_0: [1 1 1]
    n_m_arg_1: [2 2]
    
    """
    
    	结论: 
    	1、tf.argmax == np.argmax
    	2、对于向量来说,默认axis=0,也只能等于0, 等于1会报错
    
    展开全文
  • 与 MIN/MAX 函数的输入相同,唯一不同的是输出顺序:索引为 1,min/max 为 2。 适用于矩阵。
  • 今天需要给大家介绍两个函数,argMin(),argMax() argMax():计算 ‘arg’ 最大值 ‘val’ 价值。 如果有几个不同的值 ‘arg’ 对于最大值 ‘val’,遇到的第一个值是输出。argMin() 与argMax() 的功能正好是相反的...

        说实话,我喜欢Clickhouse 的函数,简单操作,功能强大。今天需要给大家介绍两个函数,argMin(),argMax()

        argMax():计算 ‘arg’ 最大值 ‘val’ 价值。 如果有几个不同的值 ‘arg’ 对于最大值 ‘val’,遇到的第一个值是输出。argMin() 与argMax() 的功能正好是相反的,如下是Clickhouse官方文档对这个函数的解释,看官应该看知道这个函数是用途了吧。

        当然上图是argMin() 函数的简单案例,这里我想到的几个业务场景的使用案例,仅供参考。

    drop table if exists salary;
    create table salary
    (
        `id` Int32,
        `user` String,
        `user_id` Int32,
        `salary` Int32 ,
        `created_at` Datetime ,
        `updated_at` Datetime
    ) engine = Memory;
    
    insert into salary (id,user,user_id,salary,created_at,updated_at) Values
    (1,'Jim',101,10000,'2020-05-01 00:00:00','2020-05-01 00:00:00'),
    (2,'Tom',102,15000,'2020-05-01 01:00:00','2020-05-01 00:00:00'),
    (3,'Tony',103,20000,'2020-05-01 00:00:00','2020-05-01 00:00:00'),
    (4,'Judy',104,25000,'2020-05-01 00:00:00','2020-05-01 00:00:00'),
    (5,'Lucy',105,80000,'2020-05-01 00:00:00','2020-05-01 00:00:00');
    
    select * from salary;

     

    业务场景一:查看salary 最高和最小的user

    // 代码:
    select 'Max Salary User' as Type ,argMax(user,salary)  as user from salary
    UNION ALL
    select 'Min Salary User' as Type, argMin(user,salary)  as user from salary;
    
    //结果:
    
    ┌─Type────────────┬─user─┐
    │ Max Salary User │ Lucy │
    └─────────────────┴──────┘
    ┌─Type────────────┬─user─┐
    │ Min Salary User │ Jim  │
    └─────────────────┴──────┘

     

    业务场景二:这两个函数可以应用到数据updated 上,非常好用,比如user_id = 101 的salary 数据updated 了,数据产生了一条新的记录;我们可以根据updated_at的时间拿到每个用户一段时间内数据的最新记录或者最早记录;

    // 1.插入语句:
    insert into salary (id,user,user_id,salary,created_at,updated_at) Values (1,'Jim',101,15000,'2020-05-02 00:00:00','2020-05-02 00:00:00');
    
    // 2.查询:select * from  salary;
    ┌─id─┬─user─┬─user_id─┬─salary─┬──────────created_at─┬──────────updated_at─┐
    │  1 │ Jim  │     101 │  10000 │ 2020-05-01 00:00:00 │ 2020-05-01 00:00:00 │
    │  2 │ Tom  │     102 │  15000 │ 2020-05-01 01:00:00 │ 2020-05-01 00:00:00 │
    │  3 │ Tony │     103 │  20000 │ 2020-05-01 00:00:00 │ 2020-05-01 00:00:00 │
    │  4 │ Judy │     104 │  25000 │ 2020-05-01 00:00:00 │ 2020-05-01 00:00:00 │
    │  5 │ Lucy │     105 │  80000 │ 2020-05-01 00:00:00 │ 2020-05-01 00:00:00 │
    └────┴──────┴─────────┴────────┴─────────────────────┴─────────────────────┘
    ┌─id─┬─user─┬─user_id─┬─salary─┬──────────created_at─┬──────────updated_at─┐
    │  1 │ Jim  │     101 │  15000 │ 2020-05-02 00:00:00 │ 2020-05-02 00:00:00 │
    └────┴──────┴─────────┴────────┴─────────────────────┴─────────────────────┘
    
    // 3.查看每个user的最新工资记录:
    select
            id,
            argMax(user,updated_at) as user,
            argMax(user_id,updated_at) as user_id,
            argMax(salary,updated_at) as salary,
            argMax(created_at,updated_at) as created_at
     from salary
     group by id
     order by id asc;
    
    ┌─id─┬─user─┬─user_id─┬─salary─┬──────────created_at─┐
    │  1 │ Jim  │     101 │  15000 │ 2020-05-02 00:00:00 │
    │  2 │ Tom  │     102 │  15000 │ 2020-05-01 01:00:00 │
    │  3 │ Tony │     103 │  20000 │ 2020-05-01 00:00:00 │
    │  4 │ Judy │     104 │  25000 │ 2020-05-01 00:00:00 │
    │  5 │ Lucy │     105 │  80000 │ 2020-05-01 00:00:00 │
    └────┴──────┴─────────┴────────┴─────────────────────┘
    
    // 4.argMin()查看最早的数据
    select
            id,
            argMin(user,updated_at) as user,
            argMin(user_id,updated_at) as user_id,
            argMin(salary,updated_at) as salary,
            argMin(created_at,updated_at) as created_at
     from salary
     group by id
     order by id asc;
    
    // 5.结果:
    ┌─id─┬─user─┬─user_id─┬─salary─┬──────────created_at─┐
    │  1 │ Jim  │     101 │  10000 │ 2020-05-01 00:00:00 │
    │  2 │ Tom  │     102 │  15000 │ 2020-05-01 01:00:00 │
    │  3 │ Tony │     103 │  20000 │ 2020-05-01 00:00:00 │
    │  4 │ Judy │     104 │  25000 │ 2020-05-01 00:00:00 │
    │  5 │ Lucy │     105 │  80000 │ 2020-05-01 00:00:00 │
    └────┴──────┴─────────┴────────┴─────────────────────┘

     

    业务场景3:想知道公司每个user 的最早期的工资和目前的薪资,以及涨幅和变化情况,根据员工表现合理安排员工的福利:

    // 代码:
    select user_id,
           argMax(user,updated_at) as user,
            argMin(salary,updated_at) as history_salary,
            argMax(salary,updated_at) as lasted_salary,
            argMax(salary,updated_at) - argMin(salary,updated_at) as difference,
            (argMax(salary,updated_at) - argMin(salary,updated_at)) / argMin(salary,updated_at) as "The percentage of difference"
     from salary
     group by user_id;
    
    // 结果:
    ┌─user_id─┬─user─┬─history_salary─┬─lasted_salary─┬─difference─┬─The percentage of difference─┐
    │     104 │ Judy │          25000 │         25000 │          0 │                            0 │
    │     105 │ Lucy │          80000 │         80000 │          0 │                            0 │
    │     101 │ Jim  │          10000 │         15000 │       5000 │                          0.5 │
    │     103 │ Tony │          20000 │         20000 │          0 │                            0 │
    │     102 │ Tom  │          15000 │         15000 │          0 │                            0 │
    └─────────┴──────┴────────────────┴───────────────┴────────────┴──────────────────────────────┘

        我们了解了这两个函数,相信还有很多很多的业务场景需要的场景都会用上它们。

        需要注意的是argMax() ,argMin() 函数的时候,如果有 用上where 条件的时候,就要优先去一段时间范围的数据,然后嵌套后再做Where 条件的过滤哦;否则你符合你where过滤的条件的数据,不一定是最新的数据。  

    展开全文
  • numpy中的argmax和max

    2020-06-18 14:06:59
    argmax和max中的axis import numpy as np a = np.array([[2,4,6,1],[1,5,2,9]]) print(a) # 不加axis,将输入认为是一唯 b = np.argmax(a) print(b) # axis=0 行压缩,不同行相同列找到相同列下不同行的最大索引 b...

    argmax和max中的axis

    import numpy as np
    a = np.array([[2,4,6,1],[1,5,2,9]])
    print(a)
    
    # 不加axis,将输入认为是一唯
    b = np.argmax(a)
    print(b)
    
    # axis=0 行压缩,不同行相同列找到相同列下不同行的最大索引
    b = np.argmax(a, axis=0)
    print(b)
    # axis=1 列压缩,不同列相同行
    b = np.argmax(a, axis=1)
    print(b)
    # 最后一个维度压缩
    b = np.argmax(a, axis=-1)
    print(b)
    
    

    得到结果为

    [[2 4 6 1]
     [1 5 2 9]]
     
    7
    
    [0 1 0 1]
    
    [2 3]
    
    [2 3]
    
    

    我们可以这样理解axis的作用,就理解它是维度上的压缩,在三维数组中,如下维度分布,axis及表示下面的维度,axis=0就表示第0维度,就表示将该维度的长度压缩为1。比如这里是个3 * 3 * 3的立方体,我我们将axis为2,就表示压缩第2维度,压缩的结果就为一个3 * 3* 1的矩阵,第2维度上是该维度最大值的索引
    在这里插入图片描述

    展开全文
  • pytorch使用argmax argsoftmax

    千次阅读 2020-05-07 11:15:32
    argmax不可导 采用argsoftmax替代,可以求导 在这里插入代码片 import torch import torch.nn.functional as F from torch.nn.parameter import Parameter import numpy as np class SpatialSoftmax(torch.nn....
  • python torch.argmax()

    2021-09-30 19:38:53
    python torch.argmax() 语法一: torch.argmax(input) → LongTensor Returns the indices of the maximum value of all elements in the input tensor. # 返回输入张量中所有元素的最大值的索引。 参数: input ...
  • 这组函数有效地计算向量和矩阵的最大值/最小值参数。 它的核心是一个通过编译C源代码获得的MEX函数。 在演示中展示了它对 Matlab 内置 max 和 min 函数的好处。
  • argmax()、max()介绍

    2021-03-28 17:09:38
    argmax()、max()的介绍 在开始之前先明确“行轴”和“列轴”的方向如上图。 对张量的操作 import torch t = torch.tensor([[3,4,1,0],[12,1,2,3],[52,34,88,11]]) t # 输出为: tensor([[ 3, 4, 1, 0], [12, 1, 2,...
  • softmax,argmax,soft-argmax 理解

    千次阅读 多人点赞 2019-03-16 22:29:59
    结合softmax函数 ,达到argmax的目的,同时使得过程可导。 np . sum ( np . exp ( data ) / np . sum ( np . exp ( data ) ) * np . array ( [ 0 , 1 , 2 , 3 , 4 ] ) ) # E = p*index output:2....
  • latex如何打argmax

    2021-08-18 15:44:36
    argmaxa∈Afx(a).\mathop{\mathrm{argmax}}\limits_{a\in \mathcal{A}}{f_{x}(a)}.a∈Aargmax​fx​(a). 源码: \mathop{\mathrm{argmax}}\limits_{a\in \mathcal{A}}{f_{x}(a)}. 相比于好多了 arg⁡max⁡a∈Afx(a)...
  • 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]]) ...
  • argmax(a, axis=None, out=None) # a 表示array # axis 表示指定的轴,默认是None,表示把array平铺, # out 默认为None,如果指定,那么返回的结果会插入其中 对于axis这个参数,对于大家来说是最困惑或者是最头疼...
  • NumPy之argmax()方法理解

    千次阅读 2020-07-20 14:51:51
    python numpy之argmax理解
  • latex中的argmax

    2021-11-01 22:06:02
    $\mathop{\arg\max}\limits_{\theta}$
  • c++ argmax

    千次阅读 2020-05-28 21:00:44
    C++中argmin和argmax的实现 在Python中argmin和argmax这两个函数一般是用来就一列数中的最小值和最大值的索引。C++中我们如何实现呢?实现思路 使用STL中的std::min_element函数求出最小值; 使用STL中的std::...
  • tf.argmax()的用法

    2020-12-13 18:10:40
    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...
  • tf.argmax() axis解释

    千次阅读 2019-09-28 17:51:53
    axis最简单的解释就是返回最大的那个数值的下标,但是新手不好理解。 下面详细解释: 现在有一个张量 a = [1,2,3],是个一维...tf.argmax(a,1) 这个会报错,因为a是一维张量,axis=0代表第一维度,axis=1代表第二...
  • 偶遇argmax()函数,整理一下其用法。 argmax与max的区别 例如函数:y=f(t) y=max f(t) :y是f(t)函数的最大值 y=argmax f(t) :y是f(t)函数取到最大值时的参数t import numpy as np a = np.array([[1, 5, 5, 2], [9...
  • argmin argmax 上下标/mathop{/arg max}_{param}
  • 【搞懂PyTorch】torch.argmax() 函数详解

    千次阅读 2021-10-05 11:17:56
    torch.argmax 函数详解1. 函数介绍2. 实例演示 1. 函数介绍 torch.argmax(input, dim=None, keepdim=False) 返回指定维度最大值的序号 dim给定的定义是:the demention to reduce.也就是把dim这个维度的,变成这个...
  • 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] ], [ [-
  • 常见的如TensorFlow的tf.reduce_sum、MNN框架中的ArgMax/ArgMin,概况起来说就是对输入的多维张量(Tensor)数据,在某一维上执行特定的计算(比如sum、求Max/Min),从而达到降低维度的目的,下图先展示了一个典型...
  • np.argmax和torch.max

    2021-02-20 10:23:44
    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 1.np.argmax() a = np.array([[1, 5, 5, 2], [9, 6, 2, 8], [3, 7, 9, 1]]) np.argmax(a,axis=0) ...
  • Pytorch argmax

    千次阅读 2020-01-02 14:47:41
    1.argmax torch.argmax(input, dim, keepdim=False) → LongTensor 返回指定维度的最大值的索引。 2.示例 b = torch.randn(4, 5) torch.argmax(b, dim=0) Output: # b tensor([[-2.2276, 0.9573, -1.9554, 0.8877, ...
  • 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.argmax和np.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...
  • numpy里面的argmax函数

    万次阅读 2018-08-31 16:23:32
    def argmax(a, axis=None, out=None) a—-输入array axis—-为0代表列方向,为1代表行方向 out—-结果写到这个array里面 1、从简单的一维开始 import numpy as np a=np.array([3, 1, 2, 4, 6, 1]) bb=np.argmax...
  • argmax用法

    2020-03-07 20:47:03
    argmax是返回最大值的索引,第二个参数是对应的维数,0就是按第一维元素(行)取值,即同列的每一行,指定第二个参数为1,则按第二维(列)的元素取值,同行的每一列 import tensorflow as tf import numpy as np arr1...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 168,986
精华内容 67,594
关键字:

argmax