axis在tensorflow和numpy中式經常出現的乙個引數，但是有時可能並不是很好的理解axis=0或者axis=1是沿著什麼方向進行計算的，經過我的實踐，在這裡寫出理解。
in [10]: a
out[10]:
array([[1, 2, 3],
[4, 5, 6]])
in [11]: np.amax(a , axis=0)
out[11]: array([4, 5, 6])
in [12]: np.amax(a, axis=1)
out[12]: array([3, 6])
如上是乙個求二維矩陣在每個維度的最大值，當axis=0時，實際上是在列的方向求的最大值；而axis=1時是在行的方向球的最大值。
我們可以把括號當作axis來理解，最外層的括號對應著axis=0，再往內的括號對應axis=1。因此axis=0就是要把最外層的括號去掉。
我們把上述陣列放到座標軸上如下所示，座標有兩個軸。
我們發現[1, 2, 3]和[4, 5, 6]兩個向量沿縱軸方向排列，同時這兩個向量被最外層的所包裹。因此可以認為縱軸對應的是最外層的括號，axis=0就是在最外層的括號的方向上的計算，因此就是縱軸方向，最後結果就是[4, 5, 6]。
同理axis=1就是在內層括號的維度上進行計算，內層括號包裹的是每乙個向量，內層括號對應的是橫軸，於是結果就是[3, 6]
三維矩陣有三層括號，因此axis=0對應最外層，axis=1對應中層，axis=2對應最裡層。
我們再表示在座標軸上。可以看到最外層括號包裹的是兩個二維矩陣，這兩個二維矩陣排列的方向是向內的那個軸，因此axis=0對應的就是沿著這個軸上取最大值；而第二層包裹的是一維的向量，因此在第二層的向量方向取最大值。
當維度大於3的時候無法用座標軸表示，不過可以用同樣的思想進行理解。
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...
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...
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...