tf.sign和tf.reduce_sum

本文介绍了TensorFlow中tf.sign和tf.reduce_sum的使用,通过示例代码和输出结果展示这两个操作的功能。tf.sign返回输入张量每个元素的符号,tf.reduce_sum则对张量指定维度进行求和。同时提供了参考资料以加深理解。
摘要由CSDN通过智能技术生成

tensorflow中两个经常用到的操作,理解的不是很透彻,故在此做标记:
这里写图片描述
这里写图片描述

关于reduce_sum的维度问题也容易让人迷惑,特找来好用的图示,一看即懂:
这里写图片描述
为了加深影响,给出简单code

import numpy as np
import tensorflow as tf
inputs = [[1,0,2],[3,2,4]]
inputs = np.array(inputs)
A = tf.sign(inputs)
B = tf.reduce_sum(A, reduction_indices=1)
with tf.Session() as sess:
    print(sess.run(A))
    print(sess.run(B))

执行结果如下:
这里写图片描述

import tensorflow as tf
init_glorot_uniform = tf.glorot_uniform_initializer()
y 
评论 2
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