Python 如何在tensorflow中随机选择索引而不是最大值（tf.arg_max）

我可以使用

tf.arg_max

选择矩阵中的最大索引， 在

tensorflow

中是否有一个函数，可以在前n中随机选择索引

test = np.array([
[1, 2, 3],
 [2, 3, 4], 
 [5, 4, 3], 
 [8, 7, 2]])
argmax0 = tf.arg_max(test, 0)
# argmax0 = [3, 3, 1]

我需要一个函数为每个数组随机选择前2名中的索引。 例如： 第一个colmuns[1,2,5,8]，top2是[5,8]，只需从[5,8]中随机选择一个即可。

---

因此，最终的答案可能是[3,2,0]、[2,2,0]、[3,3,1]、[3,2,0]或更多。

您使用.argsort方法，然后从中取顶部的N

N = 3
a = [1, 3, 4, 5, 2]
top_N_indicies = a.argsort()[-N:][::-1]

# top_N_indicies = [3, 2, 1]

获取topk值：

values, _ = tf.math.top_k(test, 2)

---

如何处理2-dims阵列？您希望2-dim阵列的每一行为top-N吗？

<tf.Tensor: shape=(4, 2), dtype=int32, numpy=
array([[3, 2],
       [4, 3],
       [5, 4],
       [8, 7]])>

shuffled = tf.map_fn(tf.random.shuffle, values)

<tf.Tensor: shape=(4, 2), dtype=int32, numpy=
array([[2, 3],
       [4, 3],
       [4, 5],
       [7, 8]])>

tf.gather(shuffled, [0], axis=1)

<tf.Tensor: shape=(4, 1), dtype=int32, numpy=
array([[2],
       [4],
       [4],
       [7]])>

import tensorflow as tf
import numpy as np

test = np.array([
    [1, 2, 3],
    [2, 3, 4],
    [5, 4, 3],
    [8, 7, 2]])

values, _ = tf.math.top_k(test, 2)

shuffled = tf.map_fn(tf.random.shuffle, values)

tf.gather(shuffled, [0], axis=1)