TensorFlow：关于tf.argmax（）和tf.equal（）的问题

我正在学习TensorFlow，建立一个多层感知器模型。我正在研究一些例子，例如：

然后，我在下面的代码中有一些问题：

def multilayer_perceptron(x, weights, biases):
    :
    :

pred = multilayer_perceptron(x, weights, biases)
    :
    :

with tf.Session() as sess:
    sess.run(init)
         :
    correct_prediction = tf.equal(tf.argmax(pred, 1), tf.argmax(y, 1))

    accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
    print ("Accuracy:", accuracy.eval({x: X_test, y: y_test_onehot}))

我想知道

tf.argmax（prod，1）

和

tf.argmax（y，1）

的确切含义和返回（类型和值）是什么？正确的预测是一个变量而不是实际值吗

最后，我们如何从tf会话中获得

y\u test\u prediction

数组（当输入数据为

X\u test

时的预测结果）？非常感谢

tf.argmax（输入，轴=无，名称=无，维度=无）

返回在张量轴上具有最大值的索引

对于特定的情况，它接收

pred

作为其

输入的参数

和

1

作为

轴

。轴描述了输入张量的哪个轴要减小。对于向量，使用轴=0

示例：给定列表

[2.11,1.0021,3.99,4.32]

argmax将返回最大值的索引

3

---

正确的\u预测是一个张量，稍后将进行评估。它不是一个常规的python变量。它包含了以后计算该值所需的信息。 对于这种特殊情况，它将是另一个张量

accurity=tf.reduce\u mean（tf.cast（correct\u prediction，“float”）

的一部分，并将通过

accurity.eval（{x:x\u test，y:y\u test\u onehot}）上的
eval
进行评估


y\u-test\u-prediction应该是您的
correct\u-prediction
张量

tf.argmax(input, axis=None, name=None, dimension=None)

返回在张量轴上具有最大值的索引

输入是一个张量，轴描述了要减小的输入张量轴。对于向量，使用轴=0

对于您的特定情况，让我们使用两个数组并演示这一点

pred = np.array([[31, 23,  4, 24, 27, 34],
                [18,  3, 25,  0,  6, 35],
                [28, 14, 33, 22, 20,  8],
                [13, 30, 21, 19,  7,  9],
                [16,  1, 26, 32,  2, 29],
                [17, 12,  5, 11, 10, 15]])

y = np.array([[31, 23,  4, 24, 27, 34],
                [18,  3, 25,  0,  6, 35],
                [28, 14, 33, 22, 20,  8],
                [13, 30, 21, 19,  7,  9],
                [16,  1, 26, 32,  2, 29],
                [17, 12,  5, 11, 10, 15]])

计算
tf.argmax（pred，1）
给出一个张量，其计算将给出
数组（[5,5,2,1,3,0]）

计算
tf.argmax（y，1）
给出一个张量，其计算将给出
数组（[5,5,2,1,3,0]）

根据我们的示例，
tf.equal（tf.argmax（pred，1），tf.argmax（y，1））
返回一个张量，其计算结果将给出数组（1,1,1,1,1）

正确的_预测是一个张量，其计算结果将给出0和1的一维数组

通过执行

pred=tf.argmax（logits，1）

可以通过以下链接访问tf.argmax和tf.equal的文档

tf.argmax（）

---

tf.equal（）

阅读文档：

返回在张量轴上具有最大值的索引

返回（x==y）元素的真值

将张量强制转换为新类型

计算元素在张量维度上的平均值

---

现在你可以很容易地解释它的作用了。您的

y

是一个热编码的，因此它有一个1，其他的都是零。您的

pred

表示类的概率。因此，argmax找到了最佳预测和正确值的位置。然后检查它们是否相同

因此，现在您的

correct_prediction

是一个真/假值向量，其大小等于您要预测的实例数。将其转换为浮点数并取平均值

---

---

实际上，这一部分在评估模型部分中得到了很好的解释

logits

是否是该代码中的

pred

？我的意思是logits是一个模型的结果，例如

out=tf.matmul（完全连接层，\u权重['out']）+\u偏差['out']

（我有一个CNN模型）？所以我不明白如何获得

pred=tf.argmax（logits，1）

，因为在这种情况下，logits是“样本/图片”所属的概率（对于每个类）。所以为了得到pred。对于“示例/图片”，您获得了最大概率，因此使用tf.argmaxwhy返回

3

？其中最大值为4.32？@Ayodhyankitpul 4.32的指数，即最大值，为3。它从0（2.11）开始，得到了，它返回的是索引而不是值。在实际模型中，这个过程，我的意思是tf.equal（tf.argmax（pred，1），tf.argmax（y，1））的过程是针对每个样本、每个批次或每个历元完成的？最终的价值是多少？

tf.equal(x, y, name=None) takes two tensors(x and y) as inputs and returns the truth value of (x == y) element-wise.