如何理解Axis？

只有光頭才能變強。

回顧前面：

不知道大家最開始接觸到axis的時候是怎麼樣的，反正我是挺難理解的..我們可以發現tensorflow的很多api都有axis這個引數，如果我們對axis不了解，壓根不知道api是怎麼搞的。

一句話總結axis：axis可以方便我們將資料進行不同維度的處理。

如果你像我一樣，發現api中有axis這個引數，但不知道是什麼意思。可能就會搜搜axis到底代表的什麼意思。於是可能會類似搜到下面的資訊：

使用0值表示沿著每一列或行標籤\索引值向下執行方法(axis=0代表往跨行)

使用1值表示沿著每一行或者列標籤模向執行對應的方法(axis=1代表跨列)

但我們又知道，我們的陣列不單單只有二維的，還有三維、四維等等。一旦維數超過二維，就無法用簡單的行和列來表示了。

所以，可以用***的方式進行理解：

話不多說，下面以例子說明~

首先，我們來看個concat的例子，concat第乙個引數接收val，第二個引數接收的是axis

def learn_concat():
# 二維陣列
t1 = tf.constant([[1, 2, 3], [4, 5, 6]])
t2 = tf.constant([[7, 8, 9], [10, 11, 12]])
with tf.session() as sess:
# 二維陣列針對 axis 為0 和 1 的情況
print(sess.run(tf.concat([t1, t2], 0)))
print(sess.run(tf.concat([t1, t2], 1)))

ok，下面以圖示的方式來說明。現在我們有兩個陣列，分別是t1和t2：

首先，我們先看axis=0的情況，也就是tf.concat([t1, t2], 0)。從上面的描述，我們知道，先把第乙個括號去除，然後將其子內容看成乙個整體，在這個整體下進行想對應的運算(這裡我們就是concat)。

所以最終的結果是：

[
[1 2 3],
[4 5 6],
[7 8 9],
[10 11 12]
]

接著，我們再看axis=1的情況，也就是tf.concat([t1, t2], 1)。從上面的描述，我們知道，先把第二個括號去除，然後將其子內容看成乙個整體，在這個整體下進行想對應的運算(這裡我們就是concat)。

所以最終的結果是：

[
[1, 2, 3, 7, 8, 9]
[4, 5, 6, 10, 11, 12]
]

接下來我們看一下三維的情況

def learn_concat():
# 三維陣列  
t3 = tf.constant([[[1, 2], [2, 3]], [[4, 4], [5, 3]]])
t4 = tf.constant([[[7, 4], [8, 4]], [[2, 10], [15, 11]]])
with tf.session() as sess:
# 三維陣列針對 axis 為0 和 1 和 -1 的情況
print(sess.run(tf.concat([t3, t4], 0)))
print(sess.run(tf.concat([t3, t4], 1)))
print(sess.run(tf.concat([t3, t4], -1)))

ok，下面也以圖示的方式來說明。現在我們有兩個陣列，分別是t3和t4：

首先，我們先看axis=0的情況，也就是tf.concat([t3, t4], 0)。從上面的描述，我們知道，先把第乙個括號去除，然後將其子內容看成乙個整體，在這個整體下進行想對應的運算(這裡我們就是concat)。

所以最終的結果是：

[
[[1 2]
[2 3]][
[4 4]
[5 3]][
[7 4]
[8 4]][
[2 10]
[15 11]]]

接著，我們再看axis=1的情況，也就是tf.concat([t3, t4], 1)。從上面的描述，我們知道，先把第二個括號去除，然後將其子內容看成乙個整體，在這個整體下進行想對應的運算(這裡我們就是concat)。

所以最終的結果是：

[
[[1 2]
[2 3]
[7 4]
[8 4]][
[4 4]
[5 3]
[2 10]
[15 11]]]

as in python, theaxiscould also be negative numbers. negativeaxisare interpreted as counting from the end of the rank, i.e.,

axis + rank(values)-th dimension

所以，對於我們三維的陣列而言，那axis=-1實際上就是axis=2，下面我們再來看一下這種情況：

最終的結果是：

[
[  [1 2 7 4]
[2 3 8 4]
] [[4 4 2 10]
[5 3 15 11]
]]

除了concat以外，其實很多函式都用到了axis這個引數，再舉個例子：

>>> item = np.array([[1,4,8],[2,3,5],[2,5,1],[1,10,7]])
>>> item
array([[1, 4, 8],
[2, 3, 5],
[2, 5, 1],
[1, 10, 7]])
>>> item.sum(axis = 1)
array([13, 10,  8, 18])
>>> item.sum(axis = 0)
array([ 6, 22, 21])

如何理解Axis？

如何理解Axis？

如何理解Axis？

快速理解axis

相關推薦