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:
importtensorflowastf importnumpyasnp 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 withtf.Session()assess: y=sess.run(y,feed_dict={x_p:x}) printy
axis=0:[[81012][141618]] 1+72+83+7…….. axis=1:[[579][171921]] 1+42+53+6…. axis=2:[[615][2433]] 1+2+34+5+6…..
以上这篇对tf.reduce_sumtensorflow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毛票票。