一、函数：
argmax(
input,
axis=None,
name=None,
dimension=None,
output_type=tf.int64
)
简单的说，tf.argmax就是返回最大的那个数值所在的下标。
二、用法
【code】
import numpy as np
test = np.array([[1, 2, 3], [2, 3, 4], [5, 4, 3], [8, 7, 2]])
np.argmax(test,0) #输出：array([3, 3, 1], dtype=int64)
np.argmax(test,1) #输出：array([2, 2, 0, 0], dtype=int64)
【解释】
1、 axis = 0:
可以这么想，0是最大的范围，所有的数组都要进行比较，只是比较的是这些数组相同位置上的数：
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]
2.axis = 1:
于1的时候，比较范围缩小了，只会比较每个数组内的数的大小，结果也会根据有几个数组，产生几个结果。
test[0] = array([1, 2, 3]) #
test[1] = array([2, 3, 4]) #
test[2] = array([5, 4, 3]) #
test[3] = array([8, 7, 2]) #
3.这是里面都是数组长度一致的情况，如果不一致，axis最大值为最小的数组长度-1，超过则报错。 例如以下代码：
import numpy as np
test = np.array([[1, 2], [2, 3, 4], [5, 4, 3], [8, 7, 2]]) #axis最大值为1，此处为2，报错
np.argmax(test,2) #输出：AxisError Traceback (most recent call last)
4、当不一致的时候，axis=0的比较也就变成了每个数组的和的比较。例如以下代码：
import numpy as np
test = np.array([[1, 2], [2, 3, 4], [5, 4, 3], [8, 7, 2]])
#数组索引3位置的数组[8, 7, 2]和最大
np.argmax(test,0) #输出：3
---------------------------------------------------
参考链接：
- http://blog.csdn.net/qq575379110/article/details/70538051