tensorflow中的norm()函数 | axis=0,axis=1,axis=2

tensorflow中的norm函数作用是用来求L1_norm范数和Eukl_norm范数。 本篇文章主要目的是讲解axis的含义，所以默认都是用L1_norm范数，方便理解。

首先，来看一下2维的情况

创建一个 2×3 的常量

a = tf.constant(range(6), shape = [2,3])

tf.norm(a,ord=1,axis=0)

axis=0，可以理解为将shape中的第0个索引盖住，只对其他索引进行操作
此处，相当于只对列进行操作，即每一列都求范数。
当axis=1时，同理。
如图：

接下来，在看3维的情况

创建一个 2×3×4 的常量

a = tf.constant(range(24), shape = [2,3,4])

同2维一样的理解：
若axis=0，则将shape中的第0个索引无视，对其他索引进行操作。
此处为 对所有的 3×4 矩阵进行求范数，也就是把所有的3×4的矩阵进行相加。
如图：

axis=1，表示将shape中的第1个索引无视，只对第0个和第2个索引进行操作。
此处可以理解为：
将所有 3×4 矩阵中的列进行求范数，也就是说，对2个 3×4 列矩阵中的所有列进行求范数，而无视行的概念。
如图：

axis=2, 则表示无视列概念，对所有的行进行操作。
如图：

个人理解，有误请指正。