TF相关小的知识点

reduce_sum（arg1,arg2）,降维，求和．

arg1为输入的数据，arg2参数，按行求和还是按列求和，或者求总和．

arg2：axis=0,or 1,or[0,1]   / keepdims=True

• axis=0 按列求和　　axis=１ 按行求和　axis=［０　１］ 求总和　

>>>x=[[3. 0. 3.]
 [2. 3. 0.]
 [0. 5. 3.]]

>>>sess.run( tf.reduce_sum(x,axis=0))
array([5., 8., 6.])

>>> sess.run( tf.reduce_sum(x,axis=1))
array([6., 5., 8.])
>>> sess.run( tf.reduce_sum(x,axis=[0,1]))
19.0

• keepdims=True，保持维度不变，但并不是行列数不变哦．

a= tf.reduce_sum(x,axis=0,keepdims = True)
>>> sess.run(a)
array([[5., 8., 6.]])
>>> print a.shape
(1, 3)

>>> b= tf.reduce_sum(x,axis=0)
>>> print b.shape
(3,)

>>> c= tf.reduce_sum(x,axis=[0,1],keepdims = True)
>>> sess.run(c)
array([[19.]])
>>> print c.shape
(1, 1)

>>> d= tf.reduce_sum(x,axis=[0,1])
>>> sess.run(d)
19.0
>>> print d.shape
()

---

tf.square(x,name=None),计算x中元素的平方，返回值维度与x相同．

tf.math.squared_difference(x,y,name=None)，x y　维度需一致，计算（x-y）中元素的平方，返回值维度与x相同

>>> a =np.array([1,2,3])
>>> b =np.array([2,2,6])
>>> c=tf.squared_difference(a,b)
>>> sess.run(c)
array([1, 0, 9])


>>> d=tf.square(a)
>>> sess.run(d)
array([1, 4, 9])