在遇到形如tf.argmax(logits, axis=-1)的代碼時，axis參數的含義非常容易令人疑惑。在二維情形下，axis=0表示求每列的最大值的下標，axis=1表示求每行最大值的下標。但是在更高維度下呢？
我們不妨假設數組A滿足A.shape=(2,4,8,16),研究A生成的數組（Ax=argmax(A,axis=x)）的shape，結果如下表所示:
| A0.shape | A1.shape | A2.shape | A3.shape |
|---|---|---|---|
| (4,8,16) | (2,8,16) | (2,4,16) | (2,4,8) |
不難發現，Ax.shape比原來的A.shape恰好少掉了第x個值。事實上，axis=x就表示將原數組的第x維壓縮，最終得到的第x維上各值的argmax。
特別地，我們知道在python中對一個長度的n的數組A，我們有A[n-i]=a[-i]，同理，我們常見的axis=-1事實上就是表示壓縮最後一個維度，在常見的二維數組中，就表示對壓縮列，即對每行求和。
在其他一些降維的操作中，axis有着類似的作用。