如何理解Axis？

只有光頭才能變強。

回顧前面：

不知道大家最開始接觸到axis的時候是怎麼樣的，反正我是挺難理解的…我們可以發現tensorflow的很多api都有axis這個引數，如果我們對axis不了解，壓根不知道api是怎麼搞的。

一句話總結axis：axis可以方便我們將資料進行不同維度的處理。

如果你像我一樣，發現api中有axis這個引數，但不知道是什麼意思。可能就會搜搜axis到底代表的什麼意思。於是可能會類似搜到下面的資訊：

使用0值表示沿著每一列或行標籤\索引值向下執行方法(axis=0代表往跨行)

使用1值表示沿著每一行或者列標籤模向執行對應的方法(axis=1代表跨列)

但我們又知道，我們的陣列不單單只有二維的，還有三維、四維等等。一旦維數超過二維，就無法用簡單的行和列來表示了。

所以，可以用***的方式進行理解：

話不多說，下面以例子說明~

首先，我們來看個concat的例子，concat第乙個引數接收val，第二個引數接收的是axis

def
learn_concat()
:# 二維陣列
t1 = tf.constant([[
1,2,
3],[
4,5,
6]])
t2 = tf.constant([[
7,8,
9],[
10,11,
12]])
with tf.session(
)as sess:
# 二維陣列針對 axis 為0 和 1 的情況
print
(sess.run(tf.concat(
[t1, t2],0
)))print
(sess.run(tf.concat(
[t1, t2],1)))

ok，下面以圖示的方式來說明。現在我們有兩個陣列，分別是t1和t2：

首先，我們先看axis=0的情況，也就是tf.concat([t1, t2], 0)。從上面的描述，我們知道，先把第乙個括號去除，然後將其子內容看成乙個整體，在這個整體下進行想對應的運算(這裡我們就是concat)。

所以最終的結果是：

[[1
23],
[456
],[7
89],
[101112
]]

接著，我們再看axis=1的情況，也就是tf.concat([t1, t2], 1)。從上面的描述，我們知道，先把第二個括號去除，然後將其子內容看成乙個整體，在這個整體下進行想對應的運算(這裡我們就是concat)。

所以最終的結果是：

[[1
,2,3
,7,8
,9][
4,5,
6,10,
11,12]
]

接下來我們看一下三維的情況

def
learn_concat()
:# 三維陣列 
t3 = tf.constant([[
[1,2
],[2
,3]]
,[[4
,4],
[5,3
]]])
t4 = tf.constant([[
[7,4
],[8
,4]]
,[[2
,10],
[15,11
]]])
with tf.session(
)as sess:
# 三維陣列針對 axis 為0 和 1 和 -1 的情況
print
(sess.run(tf.concat(
[t3, t4],0
)))print
(sess.run(tf.concat(
[t3, t4],1
)))print
(sess.run(tf.concat(
[t3, t4],-
1)))

ok，下面也以圖示的方式來說明。現在我們有兩個陣列，分別是t3和t4：

首先，我們先看axis=0的情況，也就是tf.concat([t3, t4], 0)。從上面的描述，我們知道，先把第乙個括號去除，然後將其子內容看成乙個整體，在這個整體下進行想對應的運算(這裡我們就是concat)。

所以最終的結果是：

[[[
12][
23]]
[[44
][53
]][[
74][
84]]
[[210
][1511]]
]

接著，我們再看axis=1的情況，也就是tf.concat([t3, t4], 1)。從上面的描述，我們知道，先把第二個括號去除，然後將其子內容看成乙個整體，在這個整體下進行想對應的運算(這裡我們就是concat)。

所以最終的結果是：

[[[
12][
23][
74][
84]]
[[44
][53
][210
][1511]]
]

as in python, theaxiscould also be negative numbers. negativeaxisare interpreted as counting from the end of the rank, i.e.,

axis + rank(values)-th dimension

所以，對於我們三維的陣列而言，那axis=-1實際上就是axis=2，下面我們再來看一下這種情況：

最終的結果是：

[[[
1274
][23
84]]
[[44
210][
531511]]
]

除了concat以外，其實很多函式都用到了axis這個引數，再舉個例子：

>>
> item = np.array([[
1,4,
8],[
2,3,
5],[
2,5,
1],[
1,10,
7]])
>>
> item
array([[
1,4,
8],[
2,3,
5],[
2,5,
1],[
1,10,
7]])
>>
> item.
sum(axis =1)
array([13
,10,8
,18])
>>
> item.
sum(axis =0)
array([6
,22,21
])

如何理解Axis？

如何理解Axis？

如何理解Axis？

快速理解axis

相關推薦