tf.nn.top_k()用法

tensorflow1.x：tf.nn.top_k()
tensorflow2.x:tf.math.top_k()

api功能为：
用于查找输入tensor的最大值。即输入tensor，沿着最后的一个维度独立查找k个最大元素，返回其值和索引下标。
函数参数列表为：
input, k=1, sorted=True, name=None

input是输入张量
k是需要查找的最大元素的个数
sorted如果为True则按照大小顺序排序
name名字

先总结在举例：
1.一定是沿着最后一个维度去搜索最大值；
2.返回两个，先返回搜索出来的最大值，再返回其索引；
3.最大值和索引是相同形状的。

用tf2举例说明：

1.一维
只有一个轴，只能在这个向量上搜索k个最大值

import tensorflow as tf
a = tf.constant([1,2,3,4,5,6])
b, c = tf.math.top_k(a,2)
print(b)
'''
打印输出：
<tf.Tensor: shape=(2,), dtype=int32, numpy=array([6, 5])>
'''
print(c)
'''
打印输出：
<tf.Tensor: shape=(2,), dtype=int32, numpy=array([5, 4])>
'''

2.二维
有两个轴，shape为(2,3)，所以
第一回合(0，x)，固定第一个维度为0，让最后一个轴x在0，1，2变化，搜索k个最大值
第二回合(1，x)，固定第一个维度为1，让最后一个轴x在0，1，2变化，搜索k个最大值

import tensorflow as tf
a = tf.constant([[11,12,13],[21,22,23]])
b, c = tf.math.top_k(a,2)
print(b)
'''
打印输出：
<tf.Tensor: shape=(2, 2), dtype=int32, numpy=
array([[13, 12],[23, 22]])>
'''
print(c)
'''
打印输出：
<tf.Tensor: shape=(2, 2), dtype=int32, numpy=
array([[2, 1],[2, 1]])>
'''

3.三维
有三个轴，shape为(2，2，3)，所以
第一回合(0,0,x)，固定第一个轴为0，固定第二个轴为0，让最后一个轴在x，在0，1，2中变化，搜索k个最大值
第二回合(0,1,x)，固定第一个轴为0，固定第二个轴为1，让最后一个轴在x，在0，1，2中变化，搜索k个最大值
第一回合(1,0,x)，固定第一个轴为1，固定第二个轴为0，让最后一个轴在x，在0，1，2中变化，搜索k个最大值
第一回合(1,1,x)，固定第一个轴为1，固定第二个轴为1，让最后一个轴在x，在0，1，2中变化，搜索k个最大值

import tensorflow as tf
a = tf.constant([[[111,112,113],[121,122,123]],[[211,212,213],[221,222,223]]])
b, c = tf.math.top_k(a,2)
print(b)
'''
打印输出：
<tf.Tensor: shape=(2, 2, 2), dtype=int32, numpy=
array([[[113, 112],[123, 122]],[[213, 212],[223, 222]]])>
'''
print(c)
'''
打印输出：
<tf.Tensor: shape=(2, 2, 2), dtype=int32, numpy=
array([[[2, 1],[2, 1]],[[2, 1],[2, 1]]])>
'''

tf.nn.top_k()用法相关推荐

tf.nn.sampled_softmax_loss用法简单介绍
tf.nn.sampled_softmax_loss用法简单介绍在研究Skip-gram模型时遇到了采用方式的softmax,一时没有搞明白,下面做个小案例试一下. tf.nn.sampled_so ...
tf.nn.sampled_softmax_loss用法详解
tensorflow中具体的函数说明如下: tf.nn.sampled_softmax_loss(weights, # Shape (num_classes, dim) - floatXXbiases ...
TensorFlow（七）tf.nn库
##tf.nn,tf.layers, tf.contrib模块有很多功能是重复的下面是对三个模块的简述: tf.nn :提供神经网络相关操作的支持,包括卷积操作(conv).池化操作(pooling ...
tf.nn.embedding_lookup()的用法
函数: tf.nn.embedding_lookup( params, ids, partition_strategy='mod', name=None, validate_indices=True, ...
【TensorFlow】tf.nn.softmax_cross_entropy_with_logits的用法
[TensorFlow]tf.nn.softmax_cross_entropy_with_logits的用法 from:https://blog.csdn.net/mao_xiao_feng/arti ...
tf.nn.embedding_lookup函数的用法
tf.nn.embedding_lookup函数的用法主要是选取一个张量里面索引对应的元素.tf.nn.embedding_lookup(params, ids):params可以是张量也可以是数组等 ...
tf.nn.in_top_k的用法
http://blog.csdn.net/uestc_c2_403/article/details/73187915 tf.nn.in_top_k组要是用于计算预测的结果和实际结果的是否相等,返回一个 ...
tf.nn.rnn_cell.DropoutWrapper用法细节案例2
-- coding: utf-8 -- import tensorflow as tf from tensorflow.contrib import rnn 导入 MINST 数据集 from ten ...
tf.nn.rnn_cell.DropoutWrapper用法细节案例1
前言:前面介绍了LSTM,下面介绍LSTM的几种变种双向RNN Bidirectional RNN(双向RNN)假设当前t的输出不仅仅和之前的序列有关,并且还与之后的序列有关,例如:预测一个语句中 ...

tf.nn.top_k()用法

tf.nn.top_k()用法相关推荐

最新文章

热门文章