对tf.reduce_sum tensorflow维度上的操作详解_Python

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服务器之家。

原文链接：https://blog.csdn.net/lxg0807/article/details/74625861

对tf.reduce_sum tensorflow维度上的操作详解

相关文章

热门资讯