利用argmax和unravel_index函数即可。任何维度的矩阵都可以。

import numpy as np
a = np.array([[1,2,3],[4,5,6],[3,2,1]])
pos = np.unravel_index(np.argmax(a),a.shape)
print(pos)
---------------
(1, 2)
参考：https://stackoverflow.com/questions/3584243/get-the-position-of-the-biggest-item-in-a-multi-dimensional-numpy-array
                    利用argmax和unravel_index函数即可。任何维度的矩阵都可以。import numpy as npa = np.array([[1,2,3],[4,5,6],[3,2,1]])pos = np.unravel_index(np.argmax(a),a.shape)print(pos)---------------(1, 2)参考：https://stackoverf...
				
确定 n 维的最小值/最大值及其索引矩阵。 例如，对于2D矩阵，x和y位置的最小/最大值为返回，对于3D矩阵，返回最小/最大值的x，y和z位置。
 语法：[v,idx] = minN(A) / [v,idx] = minN(A)
 输入： A - 应找到最小值/最大值的矩阵
输出： v - A 的最小值/最大值idx - 矩阵 A 中 v 的索引
例子： A(:,:,1) = [1,1,2;1,1,1;1,1,1]; A(:,:,2) = [1,1,1;1,1,1;1,1,1]; A(:,:,3) = [1,1,1;1,1,1;0,1,1]; [v1,idx1] = minN(A); [v2,idx2] = maxN(A);
 % v1 = 0，而 idx1 = [3,1,3] % v2 = 2, idx2 = [1,3,1] % 是 A(3,1,3) = 0 % 是 A(1,3,1)
				
最近需要从热力图中找出关键点的坐标，也就是极大值的行和列。搜寻了网上的一些方法，在这里总结一下。使用numpy进行多维数组中最大值的行和列搜寻非常的灵活，有以下几种方法可供参考。
方法一：np.max()函数 + np.where()函数
如下图所示，x是一个 3×3 的二维np.array，首先使用np.max(x)求出x中的最大值，然后使用np.where函数找出数组x中最大值所在的位置。当然这只是np.where的其中一种用法，np.where是一个非常方便的函数，用法还有很多，具体可
				
本题要求编写程序，找出给定的n个数中的最大值及其对应的最小下标（下标从0开始）。
输入格式:
输入在第一行中给出一个正整数n（1<n≤10）。第二行输入n个整数，用空格分开。
输出格式:
在一行中输出最大值及最大值的最小下标，中间用一个空格分开。
输入样例:
2 8 10 1 9 10
输出样例:
N = int(input())
t = list(map(int,...
k = 5#topk或bottomk的k
k_large_index=list(map(value_list.index, heapq.nlargest(k,  value_list)))#最大的k个
k_small_index=list
				“Failed to get convolution algorithm. This is probably because cuDNN failed to initialize”错误的解决办法
					55067
                    高性能服务器: 
                    从名字上来看，熵给人一种很玄乎，不知道是啥的感觉。其实，熵的定义很简单，即用来表示随机变量的不确定性。之所以给人玄乎的感觉，大概是因为为何要取这样的名字，以及怎么用。
熵的概念最早起源于物理学，用于度量一个热力学系统的无序程度。在信息论里面，熵是对不确定性的测量。
                Keras 入门课6 -- 使用Inception V3模型进行迁移学习
                    hsc_hlh: 
                    为什么我debug了没有显示layer
                一文搞懂交叉熵在机器学习中的使用，透彻理解交叉熵背后的直觉
                    dazzle.: 
                    二分类和多分类的交叉熵写反了