Tensorflow中 tf.reduce_sum()方法的用法

最新推荐文章于 2024-01-14 10:45:48 发布

原创最新推荐文章于 2024-01-14 10:45:48 发布 · 4.5k 阅读

10 ·

CC 4.0 BY-SA版权

TensorFlow 专栏收录该内容

9 篇文章

订阅专栏

本文介绍了TensorFlow中tf.reduce_sum()方法的用法，该方法用于计算张量沿特定维度的和。参数包括input_tensor（输入张量）、axis（指定求和的维度）、keepdims（是否保持维度）等。通过实例展示了不同设置下求和的结果，并提到了其他类似的方法如tf.reduce_mean、tf.reduce_max、tf.reduce_all和tf.reduce_any。

tf.reduce_sum()方法用于计算张量tensor沿着某一维度的和，可以在求和后降维。

tf.math.reduce_sum(
    input_tensor,
    axis=None,
    keepdims=None,
    name=None,
    reduction_indices=None,
    keep_dims=None)

第一个参数 input_tensor：输入待求和的tensor;
第二个参数 axis：指定的维，如果不指定，则计算所有元素的总和;
第三个参数 keepdims：是否保持原有张量的维度，设置为True，输出的结果保持输入tensor的形状，设置为False，输出结果会降低维度;
第四个参数 name：操作的名称;
第五个参数 reduction_indices：在以前版本中用来指定轴，已弃用;
第六个参数 keep_dims：在以前版本中用来设置是否保持原张量的维度，已弃用;

以一个维度是2，形状是[2,3]的tensor举例，如果设置为不保持原来张量的维度，keepdims=False（keepdims的取值，如果不传入这个参数，则系统默认为False），结果：

import tensorflow as tf
 
x = [[1,2,3],
     [1,2,3]]
 
xx = tf.cast(x,tf.float32)
 
sum_all = tf.reduce_sum(xx, keepdims=False)
sum_0 = tf.reduce_sum(xx, axis=0, keepdims=False)
sum_1 = tf.reduce_sum(xx, axis=1, keepdims=False)
 
 
with tf.Session() as sess:
    s_a,s_0,s_1 = sess.run([sum_all, sum_0, sum_1])
 
print(s_a)
print(s_0)
print(s_1)
 
 
###  输出结果为 ###
# 12.0
# [ 2.  4.  6.]
# [ 6.  6.]

如果设置保持原来张量的维度，设置keepdims=True ，结果：

### 保持原有张量的维度，设置keepdims=True，输出结果为 ###
# [[12.]]
# [[2. 4. 6.]]
# [[6.] [6.]]

类似的方法还有：

tf.reduce_mean ：计算tensor指定轴方向上的所有元素的累加和;
tf.reduce_max  :  计算tensor指定轴方向上的各个元素的最大值;
tf.reduce_all :  计算tensor指定轴方向上的各个元素的逻辑和（and运算）;
tf.reduce_any:  计算tensor指定轴方向上的各个元素的逻辑或（or运算）;