argmax函数轴取值

在深度学习中，argmax函数很常见，标签采用ont-hot，输出层用softmax激活可以加快网络训练速度和提升准确率，而在取值时,用argmax函数取值，涉及轴问题，数据在哪个轴，axis就填哪个轴，通常数据都在最后一个轴，下面举例说明。
一维情形：
代码：

import tensorflow as tf
import numpy as np

np_arry = (np.random.normal(size=[10]))

tf_arry=tf.Variable(np_arry)

init=tf.global_variables_initializer()

with tf.Session() as sess:
    sess.run(init)
    print(sess.run(tf.argmax(tf_arry,axis=0)))

结果：6

二维：

import tensorflow as tf
import numpy as np

np_arry = (np.random.normal(size=[3,10]))

tf_arry=tf.Variable(np_arry)

init=tf.global_variables_initializer()

with tf.Session() as sess:
    sess.run(init)
    print(sess.run(tf.argmax(tf_arry,axis=1)))

结果：[4 6 4]
注意，二维的时候，3是批次，10是数据，我们如果使axis=0,程序不会报错，但结果是错的，结果的意义是批次为10，数据长度为3
三维：

import tensorflow as tf
import numpy as np

np_arry = (np.random.normal(size=[3,4,10]))

tf_arry=tf.Variable(np_arry)

init=tf.global_variables_initializer()

with tf.Session() as sess:
    sess.run(init)
    print(sess.run(tf.argmax(tf_arry,axis=2)))

结果：
[[0 2 8 5]
[4 9 1 0]
[7 2 6 4]]
三维一般在RNN中比较常见