如何对形状为(total_n, n_samples, class)的三维分类输出数组批量执行np.argmax
三维数组批量argmax计算实现
- 核心逻辑
你的数组结构为(total_n, n_samples, class),类别概率值存储在最内层的最后一个维度上。numpy的argmax方法原生支持任意维度的批量遍历计算,不需要逐样本拆分取数、循环计算,只要指定需要计算的轴位置,即可一次性得到全量结果。 - 可直接复用的代码
# 沿最后一个维度(class维度)计算最大值索引,全量批量处理 batch_argmax = np.argmax(validationPredict, axis=-1) - 输出结果说明
- 当输入数组形状为
(150, 10, 4)时,输出结果的形状自动变为(150, 10),完全匹配需求。 - 计算过程会自动遍历所有150个总样本、每个样本下的10个子项,在每个子项的4个类别概率值中定位最大值对应的索引,和你之前手动取单个样本计算得到的结果完全一致。
- 当输入数组形状为
- 效率说明
不要额外写Python循环逐样本调用单样本计算逻辑。numpy的批量运算底层由C语言实现,处理速度比Python层循环快几个数量级,样本量越大性能差异越明显。
注意:如果后续调整数组维度顺序导致class维度不在数组最后一位,只需要把
axis参数替换为class维度对应的轴编号即可——比如class在第2个轴(从0开始计数),写axis=2和axis=-1的计算效果完全等价。
内容的提问来源于stack exchange,提问作者iamkk
相关产品推荐
相关产品推荐

