简单感受一下tensorflow中axis的使用

很潦草的感受一下，不要认真。

假设我这里有个二维tensor - x，shape=[2， 3];

那么如果进行某类带有axis=0这样的操作，如tf.reduce_max(a, axis=0).

那就理解为：

for (int i = 0; i < x.shape[1], ++ i) {
	y[i] = max(x[*, i]);
}

不好理解？

看看实际运行效果：

x = [[1,2,3], [10,20,30]]
for i in range(len(x[0])):
        t = x[0][i]
        for j in range(len(x)):
                if t < x[j][i]:
                        t = x[j][i]
        print(t) # 10 20 30

虽然这段代码写的不是很优雅，但还是可以理解的出来，和最上面那个伪代码的逻辑是能保持一致的。

 

然后我想表达啥呢？

就是如果有个张量 - nb，shape是[a, b, c, d, ... , x, y, z]。

然后进行带有axis = num这样的操作的函数，其实就是对nb的num 这一维度进行操作。

如 axis=0， 就是对nb[i, *, *, *]这一维进行操作，得到的结果是nb2，shape是[b, c, d, ... , x, y, z]。

如果axis=1， 就会得到nb3, shape是[a, c, d, ... ,x, y, z]。

对axis那一维的数据（取出来看的话就是一个向量）做了某个操作，得到结果（对该向量进行某种运算，得到一个值，代替该维，如max，就是找到该维（向量）的最大值，mean，就该维（向量）的平均值），然后就会降维了。

不知道你们有没有搞明白我在讲啥，反正我懂了。

 

再解释下那个 [[1, 2, 3], [10, 20, 30]] 的例子

如果axis=0，按我前面说的就是对 a[i, *]进行一个max的操作，

会做些啥呢？

求max（a[0][0], a[1][0]），max（a[0][1], a[1][1]），max（a[0][2], a[1][2]）。

固定其它维度，唯有axis那一维作为变量，遍历该维，就是一个向量，对该向量进行一个操作，就得到了该维的该操作的代表。

这样做也会对原数据进行一次降维。

 

嗯，能力有限，逻辑思维确实有欠缺。所以简单感受一下就好。反正我懂了。