tensorflow中的求和：tf.reduce_sum

tf.reduce_sum

函数原型：

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

参数：

• input_tensor：需要求和的张量
• axis：指定求和的轴
• keep_dims：是否保存input_tensor的维度不变。

例子：

import tensorflow as tf
X = tf.constant([[[1., 1, 1],[2., 2, 2]],
                  [[3, 3, 3],[4, 4, 4]]])
y_1= tf.reduce_sum(X) #全部和
y_2= tf.reduce_sum(X,1) #沿着轴1求和
y_3= tf.reduce_sum(X,1,keep_dims=True)
y_4= tf.reduce_sum(X,[1,0])#先沿着轴1再轴0
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    c_1,c_2,c_3,c_4=sess.run([y_1,y_2,y_3,y_4])
    print(c_1)
    print(c_2)
    print(c_3)
    print(c_4)

输出：
30.0
==================
[[3. 3. 3.]
 [7. 7. 7.]]
 ==================
[[[3. 3. 3.]]
 [[7. 7. 7.]]]
 ==================
[10. 10. 10.]

说明：

• 先按照axis指定的维度，将这个维度里面的每个元素相加，如果keep_dims不指定我们再去掉该维度。