TensorFlow 的python使用方式:
在tensorflow的使用中,经常会使用tf.reduce_mean,tf.reduce_sum等函数,函数中reduction_indices参数表示函数的处理维度:
reduction_indices参数的值默认的时候为None,默认把所有的数据求和,即结果是一维的。
reduction_indices参数的值为0的时候,是第0维对应位置相加。
reduction_indices参数的值为1的时候,是第1维对应位置相加。
图例:
代码示例:
# tf.reduce_sum函数中reduction_indices参数的使用:
import numpy as np
import tensorflow as tf
a = np.array([[1, 2, 3], [4, 5, 6]])
b = tf.reduce_sum(a, reduction_indices=[0])
c = tf.reduce_sum(a, reduction_indices=[1])
d = tf.reduce_sum(a)
with tf.Session() as sess:
# tf.reduce_sum函数中reduction_indices参数的使用:
# reduction_indices表示函数的处理维度
b_result, c_result, d_result = sess.run([b, c, d])
print("原数据a:")
print(a)
print("a的形状:", a.shape)
print("reduction_indices参数的值为0的时候:")
print("b=tf.reduce_sum(a, reduction_indices=[0])=", b_result)
print("reduction_indices参数的值为1的时候:")
print("c=tf.reduce_sum(a, reduction_indices=[1])=", c_result)
print("reduction_indices参数的值默认的时候为None,默认所有求和,即一维的:")
print("d=tf.reduce_sum(a)=", d_result)
运行结果如下:
参考:https://blog.csdn.net/qq_33096883/article/details/77479766