1
2
3
4
5
6
7
reduce_sum 是 tensor 內(nèi)部求和的工具。其參數(shù)中：

input_tensor 是要求和的 tensor

axis 是要求和的 rank，如果為 none，則表示所有 rank 都要仇和

keep_dims 求和后是否要降維

這個(gè)操作的名稱，可能在 graph 中 用

已被淘汰的，被參數(shù) axis 替代

x = tf.constant([[1, 1, 1], [1, 1, 1]])
tf.reduce_sum(x, 0) # 對(duì) tensor 的 0 級(jí)進(jìn)行求和，[1,1,1] + [1,1,1] = [2, 2, 2]
tf.reduce_sum(x, 1) # 對(duì) tensor 的 1 級(jí)進(jìn)行仇和，[1+1+1, 1+1+1] = [3, 3]
tf.reduce_sum(x, 1, keep_dims=True) # 對(duì)第 1 級(jí)進(jìn)行求和，但不降維, [[3], [3]]
tf.reduce_sum(x, [0, 1]) # 0 級(jí)和 1級(jí)都要求和，6
tf.reduce_sum(x) # 因?yàn)?x 只有 2 級(jí)，所以結(jié)果同上一個(gè)，6
1
2
3
4
5
6
上面是TensorFlow官方文檔中的函數(shù)解釋。

其實(shí)在reduce_sum()中，是從維度上去考慮的（感覺這個(gè)Matlab中數(shù)據(jù)的概念比較像）

調(diào)用reduce_sum(arg1, arg2)時(shí)，參數(shù)arg1即為要求和的數(shù)據(jù)，arg2有兩個(gè)取值分別為0和1，通常用reduction_indices=[0]或reduction_indices=[1]來傳遞參數(shù)。從上圖可以看出，當(dāng)arg2 = 0時(shí)，是縱向?qū)仃嚽蠛?#xff0c;原來矩陣有幾列就得到幾個(gè)值；相似地，當(dāng)arg2 = 1時(shí)，是橫向?qū)仃嚽蠛?#xff1b;當(dāng)省略arg2參數(shù)時(shí)，默認(rèn)對(duì)矩陣所有元素進(jìn)行求和。

看到這里，函數(shù)名的前綴為什么是reduce_其實(shí)也就很容易理解了，reduce就是“對(duì)矩陣降維”的含義，下劃線后面的部分就是降維的方式，在reduce_sum()中就是按照求和的方式對(duì)矩陣降維。那么其他reduce前綴的函數(shù)也舉一反三了，比如reduce_mean()就是按照某個(gè)維度求平均值，等等。
---------------------
作者：GeorgeAI
來源：CSDN
原文：https://blog.csdn.net/georgeai/article/details/81030811
版權(quán)聲明：本文為博主原創(chuàng)文章，轉(zhuǎn)載請(qǐng)附上博文鏈接！

總結(jié)

以上是生活随笔為你收集整理的tf.reduce_sum()函数的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。