# tf.reduce_max()它计算给定张量的全局最大值，但可以指定reduction_indices
x = tf.constant([[1, 220, 55], [4, 3, -1]])
x_max = tf.reduce_max(x, reduction_indices=[1])
print sess.run(x_max) # ==> "array([220, 4], dtype=int32)"
# 如果您使用tf.argmax()，您可以从不同的张量中获得这些值。
ind_max = tf.argmax(x, dimension=1)
y = tf.constant([[1, 2, 3], [6, 5, 4]])
flat_y = tf.reshape(y, [-1]) # Reshape to a vector.
# N.B. Handles 2-D case only.
flat_ind_max = ind_max + tf.cast(tf.range(tf.shape(y)[0]) * tf.shape(y)[1], tf.int64)
y_ = tf.gather(flat_y, flat_ind_max)
print sess.run(y_)
# ==> "array([2, 6], dtype=int32)"tf.range
tf.range 是 TensorFlow 库中的一个函数，它用于生成一个张量（Tensor），该张量包含从指定的起始值开始到结束值结束（不包括结束值）的整数序列。这个函数通常用于创建一个等差数列，可以用于初始化循环、索引或其他需要序列数据的操作。
函数的基本用法如下：
tf.range(start, limit, delta, dtype)参数说明：
start：序列的起始值。limit：序列的结束值（不包括这个值）。delta：序列中每个元素之间的差值，默认为1。dtype：输出张量的数据类型，默认为tf.int32。
下面是一个使用 tf.range 的简单示例：
import tensorflow as tf
# 创建一个从0到4的整数序列，步长为1
sequence = tf.range(0, 5, 1)
print(sequence) # 输出：tf.Tensor([0 1 2 3 4], shape=(5,), dtype=int32)这个函数在 TensorFlow 中非常有用，尤其是在需要创建索引或循环迭代时。如果你在使用 TensorFlow 进行深度学习或其他数值计算任务，tf.range 可能会是一个你经常用到的工具。