9、张量的排序

• sort/argsort
• topk
• top-5 Acc

1、sort，argsort

　　sort：对序列进行一个完全的排序

　　argsort：返回排序后的index

（1）tf.random.shuffle()，沿着张量的第一个维度进行打乱

a = tf.range(5)
b = tf.random.shuffle(a)
print(b.numpy()) # [3 4 1 2 0]

a = tf.constant([[1,2],[2,3],[5,6]])
b = tf.random.shuffle(a)
print(b.numpy()) 
   #只打乱了第一个维度，里面的维度没有打乱
 　　"""
 　　[[5 6]
  　　[1 2]
 　　 [2 3]]
 　　"""

（2）sort和argsort

①一维张量
 1 a = tf.random.shuffle(tf.range(8))
print(a) #tf.Tensor([1 2 0 4 3], shape=(5,), dtype=int32)

b1 = tf.sort(a) #默认是升序
print(b1)  #tf.Tensor([0 1 2 3 4], shape=(5,), dtype=int32)
b2 = tf.sort(a,direction='DESCENDING') # descending：下降的
print(b2)  #tf.Tensor([4 3 2 1 0], shape=(5,), dtype=int32)

indx = tf.argsort(a,direction='DESCENDING')
print(indx) #tf.Tensor([3 7 0 6 4 1 2 5], shape=(8,), dtype=int32)，得到降序排列后的索引值
b3 = tf.gather(a,indx) 
print(b3)  #tf.Tensor([7 6 5 4 3 2 1 0], shape=(8,), dtype=int32)，通过索引index在a中收集对应的值，得到降序后的排列

 

②多维张量
 1 a = tf.random.uniform([3,3],maxval=10,dtype=tf.int32)
print(a.numpy())
 　"""
   [[2 3 4]
    [8 8 9]
    [3 1 5]]
 """
b1 = tf.sort(a) #对每一行进行升序排序
 4 print(b1.numpy())
   """
   [[2 3 4]
   [8 8 9]
    [1 3 5]]
   """
 5 b2 = tf.sort(a,direction='DESCENDING')
 6 print(b2.numpy())
   """
   [[4 3 2]
    [9 8 8]
    [5 3 1]]
   """
 7 b3 = tf.argsort(a) #默认是升序
 8 print(b3.numpy())
   """
   [[0 1 2]
    [0 1 2]
    [1 0 2]]
   """

2、topk，tf.math.top_k(a，k)，返回values和indices两个张量

  tf.sort对张量的某一个维度进行完全的排序，有可能会耗费一定的时间，在某些情况下我们不需要对所有的张量进行排序，只希望得到最大值或者最小值或者最大的和最小的两个值，top-k可以得到最大的或者最小的前k个值

# top_k
a = tf.random.uniform([3,3],maxval=10,dtype=tf.int32)
print(a.numpy())

res = tf.math.top_k(a,2)
print(res)
print(res.values.numpy())
print(res.indices.numpy())

输出：对每一行进行排序，然后输出前两个最大的值

[[8 6 9]
 [5 9 7]
 [8 7 6]]

TopKV2(values=<tf.Tensor: id=5, shape=(3, 2), dtype=int32, numpy=
array([[9, 8],
       [9, 7],
       [8, 7]])>, indices=<tf.Tensor: id=6, shape=(3, 2), dtype=int32, numpy=
array([[2, 0],
       [1, 2],
       [0, 1]])>)

[[9 8]
 [9 7]
 [8 7]]

[[2 0]  #每一行中的索引值
 [1 2]
 [0 1]]

3、top_k accuracy

    top_1的条件是最严苛的，只有当第一个预测的和label相同才可以，而top_k（k>1）只要前k个预测中有一个预测正确就算预测正确，top_5是imageNet中反应模型好坏的一个重要的指标