keras.backend.sum用法

最新推荐文章于 2022-05-26 08:43:08 发布

原创最新推荐文章于 2022-05-26 08:43:08 发布 · 1w 阅读

9 ·

CC 4.0 BY-SA版权

keras 专栏收录该内容

5 篇文章

订阅专栏

本文通过使用Keras和NumPy库，详细演示了如何沿指定轴计算张量之和，并对比了保持维度和不保持维度两种情况下的形状变化。通过具体代码实例，读者可以深入理解张量操作在深度学习中的应用。

部署运行你感兴趣的模型镜像


#沿着指定轴计算张量之和
from keras import backend as K
import numpy as np
import tensorflow as tf

a = np.arange(0 , 6).reshape(2 , 3)
print(a)

[[0 1 2]
 [3 4 5]]

sum_a_keepdims = K.sum(a , axis=-1 , keepdims=True)
sum_a_nokeepdims = K.sum(a , axis=-1 , keepdims=False)

print(sum_a_keepdims.shape)
print(sum_a_nokeepdims.shape)

(2, 1)
(2,)

init = tf.global_variables_initializer()
with tf.Session() as sess:
    sess.run(init)
    print(sess.run(sum_a_keepdims))
    print(sess.run(sum_a_nokeepdims))