对tf.reduce_sum tensorflow维度上的操作详解


            tensorflow中有很多在维度上的操作，本例以常用的tf.reduce_sum进行说明。官方给的api





reduce_sum(

 input_tensor,

 axis=None,

 keep_dims=False,

 name=None,

 reduction_indices=None

)



input_tensor:表示输入

axis:表示在那个维度进行sum操作。

keep_dims:表示是否保留原始数据的维度，False相当于执行完后原始数据就会少一个维度。

reduction_indices:为了跟旧版本的兼容，现在已经不使用了。

官方的例子：





# 'x' is [[1, 1, 1]

#   [1, 1, 1]]

tf.reduce_sum(x) ==> 6

tf.reduce_sum(x, 0) ==> [2, 2, 2]

tf.reduce_sum(x, 1) ==> [3, 3]

tf.reduce_sum(x, 1, keep_dims=True) ==> [[3], [3]]

tf.reduce_sum(x, [0, 1]) ==> 6



自己做的例子：





import tensorflow as tf

import numpy as np

x = np.asarray([[[1,2,3],[4,5,6]],[[7,8,9],[10,11,12]]])

x_p = tf.placeholder(tf.int32,[2,2,3])

y = tf.reduce_sum(x_p,0) #修改这里

with tf.Session() as sess:

 y = sess.run(y,feed_dict={x_p:x})

 print y







axis= 0：[[ 8 10 12] [14 16 18]] 

1+7 2+8 3+7 …….. 

axis=1: [[ 5 7 9] [17 19 21]] 

1+4 2+5 3 +6 …. 

axis=2: [[ 6 15] [24 33]] 

1+2+3 4+5+6…..



以上这篇对tf.reduce_sum tensorflow维度上的操作详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持中文源码网。