np.max(axis=), tf.reduce_mean(axis=)的理解。下面以np.max作理解

import numpy as np

a = [[[1,2,3],[11,22,33]],[[10,20,30],[110,220,330]],[[101,201,301],[11001,22001,33001]],[[55,66,77],[550,660,770]]]

b = np.array(a)

print(b)

[[[    1     2     3]
  [   11    22    33]]

 [[   10    20    30]
  [  110   220   330]]

 [[  101   201   301]
  [11001 22001 33001]]

 [[   55    66    77]
  [  550   660   770]]]
 

print(b.max(axis=0))  

[[  101   201   301]
 [11001 22001 33001]]

print(b.max(axis=1))

[[   11    22    33]
 [  110   220   330]
 [11001 22001 33001]
 [  550   660   770]]

print(b.max(axis=2))

[[    3    33]
 [   30   330]
 [  301 33001]
 [   77   770]]

b.shape

(4, 2, 3)

shape=[x, y, z]，從這裡結果看：

1. axis=0,返回shape=[y,z]
   每個x中的全部[y,z]作比較，即每個x元素的比較
2. axis=1,返回shape=[x,z]
   在每個x元素內，每個y中的z維度元組比較
3. axis=2,返回shape=[x,y]
   在每個z中的內部元素做比較

axis=n表示在n維比較各個元素，對應數值位置，最後消除了n維度。