1、tf.argmax()使用方法
tf.argmax(A,1):第二个参数为1时返回矩阵中每一行最大值的索引号
import tensorflow as tf A = [[1, 3, 4, 5, 6]] B = [[1, 3, 4], [2, 4, 1]] with tf.Session() as sess: print(sess.run(tf.argmax(A, 1))) print(sess.run(tf.argmax(B, 1)))
返回:
[4]
[2 1]
tf.argmax(A,0):第二个参数为0时返回矩阵中每一列最大值的索引号
import tensorflow as tf A = [[1, 3, 4, 5, 6]] B = [[1, 3, 4], [2, 4, 1]] with tf.Session() as sess: print(sess.run(tf.argmax(A, 0))) print(sess.run(tf.argmax(B, 0)))
返回:
[0 0 0 0 0]
[1 1 0]
tf.reduce_mean()函数使用教程
# 'x' is [[1., 2.] # [3., 4.]]
tf.reduce_mean(x) ==> 2.5 #如果不指定第二个参数,那么就在所有的元素中取平均值 tf.reduce_mean(x, 0) ==> [2., 3.] #指定第二个参数为0,则第一维的元素取平均值,即每一列求平均值 tf.reduce_mean(x, 1) ==> [1.5, 3.5] # # 指定第二个参数为1,则第二维的元素取平均值,即每一行求平均值