argmax()の引数の１の意味

Question

argmax()の引数の１の意味がわかりません。

def xxx(train_X, train_y, test_X):

    train_X = tf.placeholder(tf.float32,[None,784])

    train_y = tf.placeholder(tf.float32,[None,784])

    W = tf.Variable(tf.zeros([784,10]))

    b = tf.Variable(tf.zeros([10]))

    y = tf.nn.softmax(tf.matmul(train_X, train_y,W)+b)

  pred_y = tf.placeholder(tf.float32,[None,10])

    cross_entropy = -tf.reduce_sum(pred_y*tf.log(y))

    train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)

    init = tf.initialize_all_variables()

    correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))

    accuracy = tf.reduce_mean(tf.cast(correct_prediction,"foat"))

    return pred_y

とMNISTを読み込んで推測する準備をするコードを記事を参考にしながら書きました。
訓練画像を入れる変数→重みの用意→バイアスの用意→ソフトマックス回帰→予想ラベルの用意→交差エントロピー→勾配硬化法→変数の初期化→正しいかの予測→精度の計算の順にコードを構築しました。
しかし、

correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))

の部分がわかりません。argmaxで読み込んだデータと予測したデータが一致する最大の数字を求めていることはわかりますが、
なぜ(y,1)や(y_,1)と１を引数に持たせているのでしょうか？
二次元配列だからでしょうか？でもそれなら、(y,None)・(y_,None)のようにNoneを持たせるのではだめなのでしょうか？
argmax()の引数の１の意味は何なのでしょうか？

Answer 1

tf.argmax

axis: A Tensor. Must be one of the following types: int32, int64. int32, 0 <= axis < rank(input). Describes which axis of the input Tensor to reduce across. For vectors, use axis = 0.

求めたい軸（方向）を指定します。
軸については以下の質問が参考になると思います。
numpy argmaxの引数axisについて
上記ではnumpyですがTensorFlowでも同じです。

import tensorflow as tf
import numpy as np

# numpy
x = np.array([[30,20,10],[40,50,60]])
a0 = np.argmax(x,axis=0)
a1 = np.argmax(x,axis=1)
print("x :%s" % x)
print("a0:%s" % a0)
print("a1:%s" % a1)

# tensorflow
x = tf.constant(x)
a0 = tf.argmax(x,axis=0)
a1 = tf.argmax(x,axis=1)
with tf.Session() as sess:
    print("x :%s" % x.eval())
    print("a0:%s" % a0.eval())
    print("a1:%s" % a1.eval())

結果

x :[[30 20 10]
 [40 50 60]]
a0:[1 1 1]
a1:[0 2]
x :[[30 20 10]
 [40 50 60]]
a0:[1 1 1]
a1:[0 2]