tf.reduce_max()函数

tf.reduce_max(
    input_tensor,
    axis=None,
    name=None,
    keepdims=False  #是否保持矩形原狀
）

参数解释：

input_tensor：输入数据，tensor、array、dataframe 都可以

axis：表示维度，从0开始表示最外层维度，也可以用-1表示最内层维度；

          [0, [1, [2, [3,[...]]]]],或者[[[[[...], -4], -3], -2], -1]  数字表示对应[ ]的维度。当axis位默认表示求全局最大值。

keepdims：默认时，维度会减少1，为True时，保持维度不变。

name：操作名称

reduction_indices:axis的旧名称(已经弃用）

示例:

import tensorflow as tf
import numpy as np

a=np.array([[1, 2],
            [5, 3],
            [2, 6]])

b = tf.Variable(a)
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print(sess.run(b))
    print('************')
    # 对于二维矩阵，axis=0轴可以理解为行增长方向（向下）即按列求最值,axis=1轴可以理解为列增长方向(向右）按列行求最值
    print(sess.run(tf.reduce_max(b, axis=1, keepdims=False)))  # keepdims=False,axis=1被消减，不保持原状，本来shape为（3,1），后来变成（1,3）了
    print('************')
    print(sess.run(tf.reduce_max(b, axis=1, keepdims=True)))
    print('************')
    print(sess.run(tf.reduce_max(b, axis=0, keepdims=True)))

结果：

[[1 2]
 [5 3]
 [2 6]]
************
[2 5 6]
************
[[2]
 [5]
 [6]]
************
[[5 6]]

ps:另外该函数等价于np.max：(a, axis=None, out=None, keepdims=False)

import tensorflow as tf
import numpy as np
 
max_value = tf.reduce_max([[1, 3, 2], [4,5,6]], axis=0)
with tf.Session() as sess:
    max_value = sess.run(max_value)
    print(max_value)
 
print(np.max([[1, 3, 2], [4,5,6]], axis=0))
 
 
#### 输出
[4 5 6]
[4 5 6]