tf.nn.top_k(input, k, name=None)
解释：这个函数的作用是返回 input 中每行最大的 k 个数，并且返回它们所在位置的索引。
#!/usr/bin/env python
# -*- coding: utf-8 -*-
import tensorflow as tf
import numpy as np
input = tf.constant(np.random.rand(3,4))
k = 2
output = tf.nn.top_k(input, k)
with tf.Session() as sess:
print(sess.run(input))
print(sess.run(output))
[[ 0.98925872 0.15743092 0.76471106 0.5949957 ]
[ 0.95766488 0.67846336 0.21058844 0.2644312 ]
[ 0.65531991 0.61445187 0.65372938 0.88111084]]
TopKV2(values=array([[ 0.98925872, 0.76471106],
[ 0.95766488, 0.67846336],
[ 0.88111084, 0.65531991]]), indices=array([[0, 2],
[0, 1],
[3, 0]]))
输入参数：
- input: 一个张量，数据类型必须是以下之一：float32、float64、int32、int64、uint8、int16、int8。数据维度是 batch_size 乘上 x 个类别。
- k: 一个整型，必须 >= 1。在每行中，查找最大的 k 个值。
- name: 为这个操作取个名字。
输出参数：
一个元组 Tensor ，数据元素是 (values, indices)，具体如下：
values: 一个张量，数据类型和 input 相同。数据维度是 batch_size 乘上 k 个最大值。
indices: 一个张量，数据类型是 int32 。每个最大值在 input 中的索引位置。
tf.nn.in_top_k(predictions, targets, k, name=None)
解释：这个函数的作用是返回一个布尔向量，说明目标值是否存在于预测值之中。
输出数据是一个 targets 长度的布尔向量，如果目标值存在于预测值之中，那么 out[i] = true。
注意：targets 是predictions中的索引位，并不是 predictions 中具体的值。
#!/usr/bin/env python
# -*- coding: utf-8 -*-
import tensorflow as tf
import numpy as np
input = tf.constant(np.random.rand(3,4), tf.float32)
k = 2 #targets对应的索引是否在最大的前k(2)个数据中
output = tf.nn.in_top_k(input, [3,3,3], k)
with tf.Session() as sess:
print(sess.run(input))
print(sess.run(output))
[[ 0.43401602 0.29302254 0.40603295 0.21894781]
[ 0.77089119 0.95353228 0.04788217 0.37489092]
[ 0.83710146 0.2505011 0.28791779 0.97788286]]
[False False True]
