TensorFlow学习笔记之 tf.reduce_sum()

1-1、reduce_sum()用于计算tensor在某一维度的和，可以降维

tf.reduce_sum(
    input_tensor, #张量
    axis=None,    #指定的维，如果没有指定，则默认计算所有元素的总和;
    keepdims=None, #是否保持原有张量的维度，设置为True，结果保持输入tensor的形状，设置为False，结 
                   #果会降低维度，如果不传入这个参数，则系统默认为False;
    name=None,     #名称
    reduction_indices=None,  #在以前版本中用来指定轴，已弃用;
    keep_dims=None)  #在以前版本中用来设置是否保持原张量的维度，已弃用;

2、维度和轴（axis）

• 0维，又称0维张量，数字，标量：1
• 1维，又称1维张量，数组，vector：[1, 2, 3]
• 2维，又称2维张量，矩阵，二维数组：[[1,2], [3,4]]
• 3维，又称3维张量，立方（cube），三维数组：[ [[1,2], [3,4]], [[5,6], [7,8]] ]
• n维：~~~~~~~

小结：

        L+1维把L维做为自己的元素：1维的元素是标量，2维的元素是数组，3维的元素是矩阵。      

例如3维中的数字5，需要3个定位符，则为：[1，0，0]

       axis是多维数组每个维度的坐标：5（[1，0，0]）

1. 找到5所在的2维矩阵在这个3维立方的索引：0
2. 找到5所在的1维数组在这个2维矩阵的索引：1
3. 找到5这个数这个1维数组的索引：0

      例如：对如上面的3维张量：[[1,2], [3,4]], [[5,6], [7,8]]的axis是0；[1,2], [3,4]], [[5,6], [7,8]的axis是1；1,2, 3,4, 5,6, 7,8的axis是2。从外层到里层，axis递增1，并且axis可负，此时表示倒数第axi个维度。

 

 

 

 

参考：https://www.jianshu.com/p/93530828173c.