tf.reduce_max()函数的用法详解

た入场券 2023-10-04 13:48 7阅读 0赞

## 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 np
    
    a=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 np
     
    max_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]