Axis是什么，你真的看懂吗（通俗易懂）

编程入门行业动态更新时间:2024-10-07 04:27:10

Axis是什么，<a href=https://www.elefans.com/category/jswz/34/1764663.html style= 你真的看懂吗（通俗易懂）"/>

Axis是什么，你真的看懂吗（通俗易懂）

Axis是什么，你真的看懂吗

不知道大家最开始接触到axis的时候是怎么样的，反正我是挺难理解的…我们可以发现TensorFlow的很多API都有axis这个参数，如果我们对axis不了解，压根不知道API是怎么搞的。

一句话总结axis：axis可以方便我们将数据进行不同维度的处理。

一、理解axis

如果你像我一样，发现API中有axis这个参数，但不知道是什么意思。可能就会搜搜axis到底代表的什么意思。于是可能会类似搜到下面的信息：

使用0值表示沿着每一列或行标签索引值向下执行方法(axis=0代表往跨行)使用1值表示沿着每一行或者列标签模向执行对应的方法(axis=1代表跨列)

但我们又知道，我们的数组不单单只有二维的，还有三维、四维等等。一旦维数超过二维，就无法用简单的行和列来表示了。

所以，可以用我下面的方式进行理解：

axis=0将最开外头的括号去除，看成一个整体，在这个整体上进行运算
axis=1将第二个括号去除，看成一个整体，在这个整体上进行运算…
依次类推

废话不说了，下面以例子说明保证会让大家看的会说，哦，原来是这样啊。

1.1二维数组之concat

首先，我们来看个concat的例子，concat 第一个参数接收val，第二个参数接收的是axis

def learn_concat():# 二维数组t1 = tf.constant([[1, 2, 3], [4, 5, 6]])t2 = tf.constant([[7, 8, 9], [10, 11, 12]])with tf.Session() as sess:# 二维数组针对 axis 为0 和 1 的情况print(sess.run(tf.concat([t1, t2], 0)))print(sess.run(tf.concat([t1, t2], 1)))

ok，下面以图示的方式来说明。现在我们有两个数组，分别是t1和t2：

首先，我们先看axis=0的情况，也就是tf.concat([t1, t2], 0)。从上面的描述，我们知道，先把第一个括号去除，然后将其子内容看成一个整体，在这个整体下进行想对应的运算(这里我们就是concat)。

所以最终的结果是：
[
[1 2 3],
[4 5 6],
[7 8 9],
[10 11 12]
]

是不是感觉变得简单又看得懂哟？

接着，我们再看axis=1的情况，也就是tf.concat([t1, t2], 1)。从上面的描述，我们知道，先把第二个括号去除，然后将其子内容看成一个整体，在这个整体下进行想对应的运算(这里我们就是concat)。

所以最终的结果是：

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

1.2三维数组之concat

接下来我们看一下三维的情况

def learn_concat():# 三维数组    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:# 三维数组针对 axis 为0 和 1 和 -1 的情况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，下面也以图示的方式来说明。现在我们有两个数组，分别是t3和t4：

首先，我们先看axis=0的情况，也就是tf.concat([t3, t4], 0)。从上面的描述，我们知道，先把第一个括号去除，然后将其子内容看成一个整体，在这个整体下进行想对应的运算(这里我们就是concat)。

所以最终的结果是：

[
[
[1 2]
[2 3]
]
[
[4 4]
[5 3]
]
[
[7 4]
[8 4]
]
[
[2 10]
[15 11]
]
]

接着，我们再看axis=1的情况，也就是tf.concat([t3, t4], 1)。从上面的描述，我们知道，先把第二个括号去除，然后将其子内容看成一个整体，在这个整体下进行想对应的运算(这里我们就是concat)。

所以最终的结果是：

[
[
[1 2]
[2 3]
[7 4]
[8 4]
]
[
[4 4]
[5 3]
[2 10]
[15 11]
]
]

最后，我们来看一下axis=-1这种情况，在文档也有相关的介绍：

As in Python, the axis could also be negative numbers. Negative axis
are interpreted as counting from the end of the rank, i.e.,
axis + rank(values)-th dimension

所以，对于我们三维的数组而言，那axis=-1实际上就是axis=2，下面我们再来看一下这种情况：

最终的结果是：

[
[
[1 2 7 4]
[2 3 8 4]
]
[
[4 4 2 10]
[5 3 15 11]
]
]

除了concat以外，其实很多函数都用到了axis这个参数，再举个例子：