tf.reduce_sum 降维求和举例剖析

本文通过示例介绍了 TensorFlow 中的 tf.reduce_sum 函数如何进行降维求和。首先创建了一个三维数组 x,并展示了其维度和值。然后使用 tf.reduce_sum 沿着不同轴进行求和操作,分别解释了 axis=0(隔维列相加)和 axis=1(同维列相加)的效果,并输出了求和后的维度和值。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

import tensorflow as tf
import numpy as np
x = np.asarray([[[1,2,3],[4,5,6]],[[7,8,9],[10,11,12]]])
print("初始变量x的维度是:",'\n',np.shape(x))
print("初始变量x的值是:",'\n',x)
x_p = tf.placeholder(tf.int32,[2,2,3])
y =  tf.reduce_sum(x_p, axis=0) #修改axis=0 ===> 隔维列的方向相加
with tf.Session() as sess:
    y = sess.run(y,feed_dict={x_p:x})
    print("降维求和后的y的维度是:",'\n',sess.run(tf.shape(y)))

    print("降维求和后的y值是:",'\n',y)

输出:

初始变量x的维度是: 
 (2, 2, 3)
初始变量x的值是: 
 [[[ 1  2  3]
  [ 4  5  6]]

 [[ 7  8  9]
  [10 11 12]]]
降维求和后的y的维度是: 
 [2 3]
降维求和后的y值是: 
 [[ 8 10 12]
 [14 16 18]]

import tensorflow as tf
import numpy as np
x = np.asarray

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值