tf.nn.top_k()

• 2019 年 10 月 28 日
• 筆記

版權聲明：本文為部落客原創文章，遵循 CC 4.0 BY-SA 版權協議，轉載請附上原文出處鏈接和本聲明。

本文鏈接：https://blog.csdn.net/weixin_36670529/article/details/102711031

一、函數原型

tf.nn.top_k(      input,      k=1,      sorted=True,      name=None  )

為了找到輸入的張量的最後的一個維度的最大的k個值和它的下標！

如果輸入的是一個向量，也就是rank=1，找到最大的k個數在這個向量，則輸出最大的k個數字和最大的這k個數字的下標。如果輸入的張量是一個更高rank的矩陣，那麼我們只要找到每一行的最大的k個數字，以及他們的下標。如果兩個元素相同，那麼低一點的下標先出現。

參數：

• input:輸入的tensor，不能是array這些啊！要麼輸入1-D，要是更高維度必須保證最後的一個維度長度必須大於等於K
• k:0-D的int32的數字張量。
• sorted:如果sorted=True，那麼選出來的k個數字就需要按照降序的順序排序
• name:可選項，也就是這個操作的名字

返回：

• values：也就是每一行的最大的k個數字
• indices：這裡的下標是在輸入的張量的最後一個維度的下標

二、例子

import tensorflow as tf  import numpy as np    #選出每一行的最大的前兩個數字  #返回的是最大的k個數字，同時返回的是最大的k個數字在最後的一個維度的下標  a=tf.constant(np.random.rand(3,4))  b=tf.nn.top_k(a,k=2)  with tf.Session() as sess:      print(sess.run(a))      print(sess.run(b))      Output:        [[0.73731748 0.13455566 0.20236765 0.92909052]       [0.7923021  0.46949081 0.31521194 0.2999236 ]       [0.19102823 0.01301476 0.70615716 0.68501807]]      TopKV2(values=array([[0.92909052, 0.73731748],             [0.7923021 , 0.46949081],             [0.70615716, 0.68501807]]), indices=array([[3, 0],             [0, 1],             [2, 3]], dtype=int32))