设置编码
# -*- coding: UTF-8 -*-
tf.reduce_sum
reduce_sum中axis=-1的理解就是把这个维度搞成1
reduce_sum:压缩求和,用于降维
# 'x' is [[1, 1, 1]
# [1, 1, 1]]
x为2*3矩阵
#求和
tf.reduce_sum(x) ==> 6
#按列求和
tf.reduce_sum(x, 0) ==> [2, 2, 2]
x变为1*3矩阵
#按行求和
tf.reduce_sum(x, 1) ==> [3, 3]
可以看到在这里对列求和之后,并没有变为2*1矩阵
#按照行的维度求和
tf.reduce_sum(x, 1, keep_dims=True) ==> [[3], [3]]
添加keep_dims=True,变为2*1矩阵
#行列求和
tf.reduce_sum(x, [0, 1]) ==> 6
tf.transpose
point_cloud_transpose = tf.transpose(point_cloud, perm=[0, 2, 1])
# perm=[0, 2, 1]的作用是,在高维张量中,对哪两维进行转置,[0,1,2]是不变的状态
# [0, 2, 1]就代表把第三维和第二维转
# 相当于把一个x*y*z的矩阵转置成x*z*y