在TensorFlow中，可以使用tf.reduce_max函数来计算不同维度的最大值。

下面是一个具体的代码示例：

import tensorflow as tf

# 创建一个3维的张量
x = tf.constant([
    [[1, 2, 3], [4, 5, 6]],
    [[7, 8, 9], [10, 11, 12]],
    [[13, 14, 15], [16, 17, 18]]
])

# 沿着第一个维度（行）计算最大值
max_1 = tf.reduce_max(x, axis=0)

# 沿着第二个维度（列）计算最大值
max_2 = tf.reduce_max(x, axis=1)

# 沿着第三个维度（深度）计算最大值
max_3 = tf.reduce_max(x, axis=2)

with tf.Session() as sess:
    print("max_1:")
    print(sess.run(max_1))
    print("max_2:")
    print(sess.run(max_2))
    print("max_3:")
    print(sess.run(max_3))

输出结果为：

max_1:
[[13 14 15]
 [16 17 18]]
max_2:
[[ 4  5  6]
 [10 11 12]
 [16 17 18]]
max_3:
[[ 3  6]
 [ 9 12]
 [15 18]]

在上面的代码中，我们首先创建了一个3维的张量x，然后使用tf.reduce_max函数来计算最大值。通过设置axis参数的值，我们可以在不同的维度上进行计算。最后，我们使用sess.run来运行计算图并打印结果。