如何理解Axis?

前言

只有光头才能变强。

回顾前面:

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?#24378;?#20197;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?#24378;?#33021;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
  • ...?#26469;?#31867;推

话不多说,下面以例子说明~

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:

两个数组,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)。

二维数组 axis=0的concat操作

所以最终的结果是:


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

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)。

axis=1理解 二维数组 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?#24378;?#19968;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:

两个数组,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)。

axis=0理解 三维数组 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)。

axis=1理解 三维数组 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?#23548;?#19978;就是axis=2,下面我们再来看一下这种情况:

axis=-1理解 三维数组 concat

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:


>>> 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])

参考资料:

最后

下一篇是TensorBoard~

乐于输出干货的Java?#38469;?#20844;众号:Java3y。公众号内有200多篇原创?#38469;?#25991;章、海量视?#24213;?#28304;、精美脑图,?#29615;?#26469;关注一下!

帅的人都关注了

觉得我的文章写得不错,?#29615;?#28857;一下

posted @ 2019-03-27 18:59 Java3y 阅读(...) 评论(...) 编辑 收藏
耐克篮球多少钱