TensorFlow中tf.argsort升序输出与预期排序索引不一致的原因咨询
tf.argsort排序索引输出与预期偏差的原因说明 本次测试中出现的输出偏差,根源是对tf.argsort的返回值逻辑存在认知偏差,混淆了两种不同的排序索引定义,接口本身不存在行为不一致的问题。
测试场景复现
你提供的测试代码如下:
##- Example 1 : Should return [4, 1, 2, 3, 0] a = [1.0, 0.25, 0.5, 0.75, 0.0] b = tf.argsort(a,axis=-1,direction='ASCENDING',stable=True,name=None) c = tf.keras.backend.eval(b) tf.print(f'expected: {c}') ##- Example 2 : Should return [3, 2, 0, 4, 1] (I think) a = [0.75, 0.5, 0.0, 1.0, 0.25] b = tf.argsort(a,axis=-1,direction='ASCENDING',stable=True,name=None) c = tf.keras.backend.eval(b) tf.print(f'confused: {c}')
实际运行输出为:
expected: [4 1 2 3 0] confused: [2 4 1 0 3]
你自行推导的预期输出为:
[4, 1, 2, 3, 0] [3, 2, 0, 4, 1]
接口行为澄清
tf.argsort的标准返回逻辑为:
- 返回的索引序列
idx满足,按顺序从原数组中取出对应位置的元素,即可得到按照指定方向排序后的完整数组,即满足tf.gather(输入数组, idx) == 排序输出结果。 - 你对第二组测试的预期结果
[3, 2, 0, 4, 1],对应的是另一类排序索引的语义:原数组每个位置上的元素,在排序后数组中所处的位次,这并非tf.argsort的设计功能。
备注:本次测试的两个输入数组均不存在重复数值,因此你设置的
stable=True参数不会对输出结果产生影响,接口的排序逻辑全程保持一致。
逐案例验证
第一组测试匹配性验证
原输入数组:a = [1.0, 0.25, 0.5, 0.75, 0.0]
升序排序后的元素顺序为:0.0 → 0.25 → 0.5 → 0.75 → 1.0
每个排序元素对应的原数组来源索引依次为:4 → 1 → 2 → 3 → 0
这和实际输出[4,1,2,3,0]完全一致,符合接口定义。
第二组测试匹配性验证
原输入数组:a = [0.75, 0.5, 0.0, 1.0, 0.25]
各索引对应值整理:
- 索引0:值为0.75
- 索引1:值为0.5
- 索引2:值为0.0
- 索引3:值为1.0
- 索引4:值为0.25
按升序排序后的元素顺序为:0.0 → 0.25 → 0.5 → 0.75 → 1.0
每个排序元素对应的原数组来源索引依次为:2 → 4 → 1 → 0 → 3
这和实际输出[2,4,1,0,3]完全匹配,接口行为完全统一。
你自行推导的预期[3,2,0,4,1],按gather逻辑从原数组取值得到的序列为:1.0、0.0、0.75、0.25、0.5,完全不满足升序排序要求,本质是混淆了返回索引的对应语义。
内容的提问来源于stack exchange,提问作者P-Rod
相关产品推荐
相关产品推荐

