argmax ：返回矩陣中的最大索引

一維矩陣的例子：

input1 = tf.constant([1.0, 2.0, 3.0])
with tf.Session() as sess:
	print(sess.run(tf.argmax(input1)))

3最大，索引一般都是從0開始，所以應該返回2

輸出：

 二維矩陣的例子：

input1 = tf.constant([[1.0, 2.0, 3.0],[4.0, 5.0, 6.0]])
with tf.Session() as sess:
	print(sess.run(tf.argmax(input1)))

直接上輸出吧：

 輸出是一個矩陣

再調整一下引數：

input1 = tf.constant([[1.0, 2.0, 3.0],[4.0, 5.0, 6.0]])
with tf.Session() as sess:
	print(sess.run(tf.argmax(input1,axis = 1)))

輸出如下：

 第一個shape是3 第二個shape是2

為什麼呢？

三維矩陣的例子：

axis =0情況

input1 = tf.constant([
[[1.0, 2.0, 3.0],[6.0, 5.0, 4.0]],
[[10.0, 11.0, 12.0],[9.0, 8.0, 7.0]]
])
print(input1)
with tf.Session() as sess:
	print(sess.run(tf.argmax(input1,axis = 0)))
 

 輸出：

axis =1情況

input1 = tf.constant([
[[1.0, 2.0, 3.0],[6.0, 5.0, 4.0]],
[[10.0, 11.0, 12.0],[9.0, 8.0, 7.0]]
])
print(input1)
with tf.Session() as sess:
	print(sess.run(tf.argmax(input1,axis = 1)))

 輸出：

axis =2情況

input1 = tf.constant([
[[1.0, 2.0, 3.0],[6.0, 5.0, 4.0]],
[[10.0, 11.0, 12.0],[9.0, 8.0, 7.0]]
])
print(input1)
with tf.Session() as sess:
	print(sess.run(tf.argmax(input1,axis = 2)))
 

 輸出：

 axis =3的時候，程式崩潰，就是說axis最大是矩陣的維數-1