Python – tensorflow.math.top_k()

TensorFlow是谷歌设计的开源Python库，用于开发机器学习模型和深度学习神经网络。

top_k()用于查找最后一个维度的前k个最大条目（对于矩阵来说，沿着每一行）。

语法: tensorflow.math.top_k(input, k, sorted, name)

参数 :

• input: 它是具有1个或多个维度的输入张量。
• k（可选）: 它是0-D张量，默认值为0。
• sorted（可选）: 如果它被设置为真，返回的元素将被排序。默认为True。
• name（可选）: 它定义了该操作的名称。

返回值:

• value：沿每个最后维度切片的k个最大元素。
• indices：输入的最后一个维度内的值的索引。

示例 1:

# importing the library
import tensorflow as tf
  
# Initializing the input tensor
a = tf.constant([7, 2, 3, 9, 5], dtype = tf.float64)
  
# Printing the input tensor
print('a: ', a)
  
# Calculating result
res = tf.math.top_k(a)
  
# Printing the result
print('Result: ', res)

输出:

a:  tf.Tensor([7. 2. 3. 9. 5.], shape=(5, ), dtype=float64)
Result:  TopKV2(values=<tf.Tensor: shape=(1, ), dtype=float64, numpy=array([9.])>, 
    indices=<tf.Tensor: shape=(1, ), dtype=int32, numpy=array([3], dtype=int32)>)

示例 2:

# importing the library
import tensorflow as tf
  
# Initializing the input tensor
a = tf.constant([[7, 2, 3], [ 9, 5, 7]], dtype = tf.float64)
  
# Printing the input tensor
print('a: ', a)
  
# Calculating result
res = tf.math.top_k(a, k = 2)
  
# Printing the result
print('Result: ', res)

输出:

a:  tf.Tensor(
[[7. 2. 3.]
 [9. 5. 7.]], shape=(2, 3), dtype=float64)
Result:  TopKV2(values=<tf.Tensor: shape=(2, 2), dtype=float64, numpy=
array([[7., 3.],
       [9., 7.]])>, indices=<tf.Tensor: shape=(2, 2), dtype=int32, numpy=
array([[0, 2],
       [0, 2]], dtype=int32)>)