轉：https://blog.csdn.net/qq575379110/article/details/70538051

用tensorflow做CNN_TEXT文字分類時，看到這個API，然後去官網查了一下，再看了一下別的資料，算是明白它的處理方式了。

　　首先，明確一點，tf.argmax可以認為就是np.argmax。tensorflow使用numpy實現的這個API。 
　　 
　　簡單的說，tf.argmax就是返回最大的那個數值所在的下標。 
　　 
　　這個很好理解，只是tf.argmax()的引數讓人有些迷惑，比如，tf.argmax(array, 1)和tf.argmax(array, 0)有啥區別呢？ 
　　 
　　這裡面就涉及到一個概念：axis。上面例子中的1和0就是axis。我先籠統的解釋這個問題，設定axis的主要原因是方便我們進行多個維度的計算。

　　在例項面前，再多的語言都是蒼白的呀，上例子！

　　比如：

test = np.array([[1, 2, 3], [2, 3, 4], [5, 4, 3], [8, 7, 2]])
np.argmax(test, 0)　　　＃輸出：array([3, 3, 1]
np.argmax(test, 1)　　　＃輸出：array([2, 2, 0, 0]

• 1
• 2
• 3

　　啥意思呢？

• axis = 0: 
  　　你就這麼想，0是最大的範圍，所有的陣列都要進行比較，只是比較的是這些陣列相同位置上的數：

test[0] = array([1, 2, 3])
test[1] = array([2, 3, 4])
test[2] = array
 
([5, 4, 3])
test[3] = array([8, 7, 2])
# output   :    [3, 3, 1]      

• 1
• 2
• 3
• 4
• 5

• axis = 1: 
  　　等於1的時候，比較範圍縮小了，只會比較每個陣列內的數的大小，結果也會根據有幾個陣列，產生幾個結果。

test[0] = array([1, 2, 3])  #2
test[1] = array([2, 3, 4])  #2
test[2] = array([5, 4, 3])  #0
test[3] = array([8, 7, 2])  #0

• 1
• 2
• 3
• 4

　　這是裡面都是陣列長度一致的情況，如果不一致，axis最大值為最小的陣列長度-1，超過則報錯。 
　　當不一致的時候，axis=0的比較也就變成了每個陣列的和的比較。