tf.reduce_max()函數(shù)

tf.reduce_max(input_tensor,axis=None,name=None,keepdims=False #是否保持矩形原狀 ）

參數(shù)解釋：

input_tensor：輸入數(shù)據(jù)，tensor、array、dataframe 都可以

axis：表示維度，從0開始表示最外層維度，也可以用-1表示最內(nèi)層維度；

????????? [0, [1, [2, [3,[...]]]]],或者[[[[[...], -4], -3], -2], -1]? 數(shù)字表示對(duì)應(yīng)[ ]的維度。當(dāng)axis位默認(rèn)表示求全局最大值。

keepdims：默認(rèn)時(shí)，維度會(huì)減少1，為True時(shí)，保持維度不變。

name：操作名稱

reduction_indices:axis的舊名稱(已經(jīng)棄用）

示例:

import tensorflow as tf import numpy as npa=np.array([[1, 2],[5, 3],[2, 6]])b = tf.Variable(a) with tf.Session() as sess:sess.run(tf.global_variables_initializer())print(sess.run(b))print('************')# 對(duì)于二維矩陣，axis=0軸可以理解為行增長(zhǎng)方向（向下）即按列求最值,axis=1軸可以理解為列增長(zhǎng)方向(向右）按列行求最值print(sess.run(tf.reduce_max(b, axis=1, keepdims=False))) # keepdims=False,axis=1被消減，不保持原狀，本來shape為（3,1），后來變成（1,3）了print('************')print(sess.run(tf.reduce_max(b, axis=1, keepdims=True)))print('************')print(sess.run(tf.reduce_max(b, axis=0, keepdims=True)))

結(jié)果：

[[1 2][5 3][2 6]] ************ [2 5 6] ************ [[2][5][6]] ************ [[5 6]]

ps:另外該函數(shù)等價(jià)于np.max：(a, axis=None, out=None, keepdims=False)

import tensorflow as tf import numpy as npmax_value = tf.reduce_max([[1, 3, 2], [4,5,6]], axis=0) with tf.Session() as sess:max_value = sess.run(max_value)print(max_value)print(np.max([[1, 3, 2], [4,5,6]], axis=0))#### 輸出 [4 5 6] [4 5 6]

?

總結(jié)

以上是生活随笔為你收集整理的tf.reduce_max()函数的用法详解的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。