tf.reduce_max()函数

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

参数解释：

input_tensor：输入数据，tensor、array、dataframe 都可以

axis：表示维度，从0开始表示最外层维度，也可以用-1表示最内层维度；

          [0, [1, [2, [3,[...]]]]],或者[[[[[...], -4], -3], -2], -1]  数字表示对应[ ]的维度。当axis位默认表示求全局最大值。

keepdims：默认时，维度会减少1，为True时，保持维度不变。

name：操作名称

reduction_indices:axis的旧名称(已经弃用）

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('************')# 对于二维矩阵，axis=0轴可以理解为行增长方向（向下）即按列求最值,axis=1轴可以理解为列增长方向(向右）按列行求最值print(sess.run(tf.reduce_max(b, axis=1, keepdims=False))) # keepdims=False,axis=1被消减，不保持原状，本来shape为（3,1），后来变成（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)))

结果：

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

ps:另外该函数等价于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))#### 输出 [4 5 6] [4 5 6]

 

总结

以上是生活随笔为你收集整理的tf.reduce_max()函数的用法详解的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。