参考这篇文章 https://blog.csdn.net/fangjian1204/article/details/53055219
在接触tensorflow和numpy的时候,总是被axis的概念弄混,像np.min(data, axis=0),所以重点学习一下。
在谈到轴之前,首先介绍一下维度的概念,了解了维度的概念,再谈轴就比较好理解了,文章中有一句特别关键的话“设axis=i,则numpy沿着第i个下标变化的放下进行操作”。为了让维度更好理解,我们举一个简单的例子。某市有十所学校,每个学校有12个年级,每个年级有6个班,每个班有30名学生,这样就组成了一个四维的数组,为10*12*6*30,当我们需要找某一个学生时,我们就可以通过 学校index,年级index,班级index,学生index来找到该学生,也就是说第一个维度是学校,第二个维度是年级,第三个维度是班级,第四个维度是学生。这个定义不是固定的,而是根据我们需要确定的,你当然也可以把年级作为第一个维度,学校作为第二个维度,也是没问题的。
所以当沿着某个axis进行操作时,实际上就是沿着这个维度压缩,将4维的数组压缩为3维,压缩后的结果就是和这个3维的数组保持一致,我们再举个例子。
比如我们常见的NCHW模型,我们把N当成第一个维度(0),C当成第二个维度(1),H为第三个维度(2),W为第四个维度(3),所以当执行np.sum(data, axis=0)时,也就是沿着N的维度就行压缩求和
这样就把N多个CHW压缩成了一个CHW,而CHW的维度值是保持不变的,但是数值变成了N个对应位置的sum值。
当执行np.sum(data, axis=1)时,相对于沿着C的维度进行压缩求和,相当于把N个立方体,压缩成了N个“平面”,压成了N*H*W的结果