Python tf.compat.v1.reduce_max用法及代碼示例

跨張量的維度計算元素的tf.math.maximum。 (不推薦使用的參數)

用法

tf.compat.v1.reduce_max(
    input_tensor, axis=None, keepdims=None, name=None, reduction_indices=None,
    keep_dims=None
)

警告：不推薦使用某些參數：(keep_dims)。它們將在未來的版本中被刪除。更新說明：keep_dims 已棄用，請改用 keepdims

這是按元素tf.math.maximum op 的歸約操作。

沿 axis 中給定的尺寸減少 input_tensor 。除非 keepdims 為真，否則對於 axis 中的每個條目，張量的秩都會減少 1，這必須是唯一的。如果 keepdims 為真，則保留縮減後的維度，長度為 1。

如果axis 為None，則所有維度都會減少，並返回具有單個元素的張量。

使用示例：

x = tf.constant([5, 1, 2, 4])
tf.reduce_max(x)
<tf.Tensor:shape=(), dtype=int32, numpy=5>
x = tf.constant([-5, -1, -2, -4])
tf.reduce_max(x)
<tf.Tensor:shape=(), dtype=int32, numpy=-1>
x = tf.constant([4, float('nan')])
tf.reduce_max(x)
<tf.Tensor:shape=(), dtype=float32, numpy=nan>
x = tf.constant([float('nan'), float('nan')])
tf.reduce_max(x)
<tf.Tensor:shape=(), dtype=float32, numpy=nan>
x = tf.constant([float('-inf'), float('inf')])
tf.reduce_max(x)
<tf.Tensor:shape=(), dtype=float32, numpy=inf>

請參閱 np.amax 和 np.nanmax 行為的 numpy 文檔。