argmax

写在前面的话 MNIST教程是tensorflow中文社区的第一课，例程即训练一个 手写数字识别 模型： http://www.tensorfly.cn/tfdoc/tutorials/mnist_beginners.html 参考视频： https://morvanzhou.github.io/tutorials/machine-learning/tensorflow/5-01-classifier/ MNIST编程 代码全文 import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_sets('MNIST_data',one_hot = True) def add_layer(inputs, in_size, out_size, activation_function=None): Weights = tf.Variable(tf.random_normal([in_size, out_size])) biases = tf.Variable(tf.zeros([1, out_size]) + 0.1) Wx_plus_b = tf.matmul(inputs, Weights) + biases if

教程链接： https://www.w3cschool.cn/tensorflow_python/tensorflow_python-c1ov28so.html tensorflow 常用的函数: # 导入tensorflow,使用tf代替 import tensorflow as tf # 计算x,和w的乘积,这里计算x矩阵和w矩阵的乘积 tf.matmul(x, w) # 先计算labels和logits的交叉熵(区别),在对结果进行归一化处理, softmax参考 tf.nn.softmax_cross_entropy_with_logits(labels=y_, logits=y) # 然后求交叉熵的平均值 cross_entrony = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(labels=y_, logits=y)) # 以梯度下降法,0.5的幅度,减小交叉熵 tf.train.GradientDescentOptimizer(0.5).minimize(cross_entrony) # 初始化变量(tf,Variable()) tf.global_variables_initializer().run() # 获取一行最大值的索引 tf.argmax(y, 1) # 比较a和b对应位置是否是相同的

转载请注明出处： http://www.cnblogs.com/willnote/p/6758953.html 官方API定义 tf.argmax(input, axis=None, name=None, dimension=None) Returns the index with the largest value across axes of a tensor. Args: input : A Tensor. Must be one of the following types: float32, float64, int64, int32, uint8, uint16, int16, int8, complex64, complex128, qint8, quint8, qint32, half. axis : A Tensor. Must be one of the following types: int32, int64. int32, 0 <= axis < rank(input). Describes which axis of the input Tensor to reduce across. For vectors, use axis = 0. name : A name for the operation (optional). Returns: A

tf.argmax 与 tf.arg_max 用法相同，下面介绍 tf.argmax 用法 tf.argmax def argmax(input, axis=None, name=None, dimension=None, output_type=dtypes.int64) numpy.argmax(a, axis=None, out=None) 返回沿轴axis最大值的索引。 Parameters: input: array_like，数组 axis : int, 可选，默认情况下，索引的是平铺的数组，否则沿指定的轴。 out : array, 可选 如果提供，结果以合适的形状和类型被插入到此数组中。 Returns: index_array : ndarray of ints 索引数组。它具有与a.shape相同的形状，其中axis被移除。 tf.argmax() 与 numpy.argmax() 方法的用法是一致的 axis = 0 的时候返回每一列最大值的位置索引 axis = 1 的时候返回每一行最大值的位置索引 axis = 2、3、4 ...，即为多维张量时，同理推断 例子 >>> a = np.arange(6).reshape(2,3) >>> a array([[0, 1, 2], [3, 4, 5]]) >>> np.argmax(a) 5 >>> np

argmin(), argmax(), argsort() 以及利用argsort()函数实现数组的升序、降序 import numpy as np a = np . array ( [ 11 , 3 , 5 , 18 ] ) x = np . argmax ( a ) print ( x ) # 返回数组中最大元素的索引值: 3 y = np . argmin ( a ) print ( y ) #返回的是数组中最小元素的索引值： 1 z = np . argsort ( a ) print ( z ) #返回的是将数组a中的元素按升序排列后对应元素的索引值数组： 【1,2,0,3】 w = np . argsort ( - a ) print ( w ) #返回的是将数组a中的元素按降序排列后对应元素的索引值数组： 【3,0,2,1】 a_ascend = a [ z ] print ( a_ascend ) #返回a按升序排列后的数组 ： 【3,5,11,18】 a_descend = a [ z [ : : - 1 ] ] print ( a_descend ) #返回a按降序排列后的数组： 【18,11,5,3】 python中argsort()函数的用法 来源： CSDN 作者： 五取蕴_41121879 链接： https://blog.csdn.net/qq