Tensorflow中的维度(参数axis的取值)问题

许多函数都会有一个axis参数，那么这个是怎么算的？

Tensorflow的Tensor意为张量。一般如果是维的数组ex: (0,1,2,3,4)，就是一个数据，我们称之为标量Scalar；1维的数组([0,1,2,3,4])，称为向量Vector；2维的数组([[0,1,2],[3,4,5]])，称为矩阵Matrix；3维及以上的数组，称为张量Tensor。

所以我们可以理解为一个空间就相当于()  中的n个盒子就相当于[ ] ，盒子里面又套了盒子相当于[[ ], [ ]]（或者是叫套娃），当我们选择了axis = 0时，就是选择了() ，那么对于一个张量来说( )里面是并列的几个 [ ], [ ], [ ] 即([0, 1 ], [2, 3 ], [4, 5 ], ... ,[m, n ])，也就是操作会在这几个并列的[ ]上并列进行，表现出来就是0, 2, 4 ... m这几个数一起进行操作，1, 3, 5 ... n这几个一起操作，表现为以列来比较；对于选择axis = 1 时，就是选择了[ ]，在[ ]里面进行操作，即对1, 2进行操作。

tf.argmax 是 tensorflow 用numpy的np.argmax实现的，它能给出某个tensor对象在某一维上的其数据最大值所在的索引值，常用于metric（如acc）的计算

0表示列，1表示行

例子如下：

A=tf.constant([2,20,30,3,6]) # Constant 1-D Tensor
tf.math.argmax(A) # output 2 as index 2 (A[2]) is maximum in tensor A
B=tf.constant([[2,20,30,3,6],[3,11,16,1,8],[14,45,23,5,27]])
tf.math.argmax(B,0) # [2, 2, 0, 2, 2]
tf.math.argmax(B,1) # [2, 2, 1]