Python keras.backend.max与keras.backend.argmax之间有什么区别？

我是一名深度学习的初学者，在执行一项实际作业时，偶然发现了上的Keras文档

---

这个解释我看了好几遍。但是，我无法准确理解max和argmax函数之间的区别。

我将使用

numpy

包中的

max

和

argmax

来解释这一点，但这两个函数与Keras后端中的函数相同：

import numpy as np
vector = np.array([1, 2, 3, 2, 1])

现在，

np.max（vector）

返回数字

3

，因为这是向量中的最大值

np.argmax（vector）

但是返回

2

，因为这是向量中最大值的索引

argmax

函数通常用于对softmax层的输出进行后处理。假设分类器的输出层是

---

而

预测（一些随机图像）

的输出是

[0.02,0.90,0.06,0.02]

。然后，

argmax（[0.02,0.90,0.06,0.02]）

立即为您提供类（

1

）。

ohh。。因此max将返回实际值，argmax将只返回该值的索引。非常感谢您的回答@Ionicsolutions是的，没错。我还添加了一个示例，说明如何在分类问题中经常使用

argmax

函数。（如果答案对你有帮助，请考虑支持和接受它。谢谢！）为什么ARGMAX不命名为“Max指数”？两者之间的区别非常简单，可以使用适当的命名约定来表示。这很好地解释了为什么调用函数

argmax

。

output = Dense(4, activation='softmax')(...)