tf.nn.top_k()

• 2019 年 10 月 28 日
• 筆記

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/weixin_36670529/article/details/102711031

一、函数原型

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

为了找到输入的张量的最后的一个维度的最大的k个值和它的下标！

如果输入的是一个向量，也就是rank=1，找到最大的k个数在这个向量，则输出最大的k个数字和最大的这k个数字的下标。如果输入的张量是一个更高rank的矩阵，那么我们只要找到每一行的最大的k个数字，以及他们的下标。如果两个元素相同，那么低一点的下标先出现。

参数：

• input:输入的tensor，不能是array这些啊！要么输入1-D，要是更高维度必须保证最后的一个维度长度必须大于等于K
• k:0-D的int32的数字张量。
• sorted:如果sorted=True，那么选出来的k个数字就需要按照降序的顺序排序
• name:可选项，也就是这个操作的名字

返回：

• values：也就是每一行的最大的k个数字
• indices：这里的下标是在输入的张量的最后一个维度的下标

二、例子

import tensorflow as tf  import numpy as np    #选出每一行的最大的前两个数字  #返回的是最大的k个数字，同时返回的是最大的k个数字在最后的一个维度的下标  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))