Tensorflow學習筆記——reduce_sum函數

以上是reduce_sum函數的定義

reduce_sum(
    input_tensor,
    axis=None,
    keep_dims=False,
    name=None,
    reduction_indices=None
)

說明：
reduce_sum() 就是求和，由於求和的對象是tensor，所以是沿着tensor的某些維度求和。函數名中加了reduce是表示求和後會降維，當然可以通過設置參數來保證不降維，但是默認就是要降維的。

參數解釋：
1）input_tensor：輸入的張量。
2）axis：沿着哪個維度求和。
對於二維的input_tensor張量，0表示按列求和，1表示按行求和，[0, 1]表示先按列求和再按行求和。
3）keep_dims：默認值爲Flase，表示默認要降維。若設爲True，則不降維。
4）name：名字。
5）reduction_indices：默認值是None，即把input_tensor降到 0維，也就是一個數。
對於2維input_tensor，reduction_indices=0時，按列；reduction_indices=1時，按行。
注意，reduction_indices與axis不能同時設置。

例子1：

import tensorflow as tf
import numpy as np

x = np.asarray([[1,1,1],[1,1,1]])
x_p = tf.placeholder(tf.int32, [2,3])

y =  tf.reduce_sum(x_p, 0) 
with tf.Session() as sess:
    output = sess.run(y, feed_dict={x_p:x})
    print(output)

y =  tf.reduce_sum(x_p, reduction_indices=0) 
with tf.Session() as sess:
    output = sess.run(y, feed_dict={x_p:x})
    print(output)
    
y =  tf.reduce_sum(x_p, 1) 
with tf.Session() as sess:
    output = sess.run(y, feed_dict={x_p:x})
    print(output)
    
y =  tf.reduce_sum(x_p, reduction_indices=1) 
with tf.Session() as sess:
    output = sess.run(y, feed_dict={x_p:x})
    print(output)

y =  tf.reduce_sum(x_p, 1, keep_dims = True) 
with tf.Session() as sess:
    output = sess.run(y, feed_dict={x_p:x})
    print(output)

y =  tf.reduce_sum(x_p, [0,1]) 
with tf.Session() as sess:
    output = sess.run(y, feed_dict={x_p:x})
    print(output)

結果：

[2 2 2]
[2 2 2]
[3 3]
[3 3]
[[3]
 [3]]
6

例子2：

import tensorflow as tf
import numpy as np
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) 
with tf.Session() as sess:
    y = sess.run(y,feed_dict={x_p:x})
    print(y)

y =  tf.reduce_sum(x_p,1) 
with tf.Session() as sess:
    y = sess.run(y,feed_dict={x_p:x})
    print(y)

y =  tf.reduce_sum(x_p,2) 
with tf.Session() as sess:
    y = sess.run(y,feed_dict={x_p:x})
    print(y)

結果：

[[8  10  12]
 [14 16  18]]
[[5  7  9]
 [17 19 21]]
[[6  15]
 [24 33]]

分析：

1.png

從運行結果可以看出，
axis = 0時，表示不同二維數組之間相應位置的數字相加
axis = 1時，表示二維數組內部按列相加
axis = 2時，表示二維數組內部按行相加

轉自：https://www.jianshu.com/p/2d7db8b9cec9