tensorflow, numpy axis dimension 简单快速理解

• axis的取值个数等于矩阵的维度
• axis=i 表示第i维的数，按照i的变化进行相应操作，每个i维(i=1, i=2, i=3…) 对应位置的所有数，会最终变成1个数，故少了一个维度
• 比如np.sum操作
• 下面的例子假设了(4,3,2,3)维的矩阵，axis取值的顺序也就是(4,3,2,3)
  • axis=0时，矩阵形状就变成(3,2,3)
  • axis=1时，矩阵形状就变成(4,2,3)
  • axis=2时，矩阵形状就变成(4,3,3)
  • axis=3时，矩阵形状就变成(4,3,2)

d = data = np.random.randint(0, 5, [4,3,2,3])
d

array([[[[0, 0, 1],
         [1, 1, 2]],

        [[1, 2, 4],
         [2, 4, 2]],

        [[1, 0, 3],
         [1, 2, 0]]],


       [[[1, 2, 1],
         [0, 1, 3]],

        [[2, 1, 0],
         [1, 0, 1]],

        [[0, 2, 0],
         [0, 3, 2]]],


       [[[3, 1, 0],
         [2, 1, 4]],

        [[0, 2, 2],
         [4, 4, 1]],

        [[1, 2, 2],
         [2, 2, 1]]],


       [[[3, 0, 1],
         [0, 3, 3]],

        [[0, 3, 1],
         [3, 1, 3]],

        [[0, 4, 0],
         [0, 3, 0]]]])