TensorFlow函数：tf.reduce_prod，sum,mean等其他详解

现在tf1.7好像没有找到这个函数，但是却可以用，哎，谷歌API做的有点不专业啊。我翻了以前的文档里面有关于它的介绍：

 

tf.reduce_prod 函数

reduce_prod(
    input_tensor,
    axis=None,
    keep_dims=False,
    name=None,
    reduction_indices=None
)

定义在：tensorflow/python/ops/math_ops.py。

请参阅指南：数学函数>减少

此函数计算一个张量的各个维度上元素的乘积。

函数中的input_tensor是按照axis中已经给定的维度来减少的；除非 keep_dims 是true，否则张量的秩将在axis的每个条目中减少1；如果keep_dims为true，则减小的维度将保留为长度1。 

如果axis没有条目，则缩小所有维度，并返回具有单个元素的张量。

参数：

• input_tensor：要减少的张量。应该有数字类型。
• axis：要减小的尺寸。如果为None（默认），则将缩小所有尺寸。必须在[-rank(input_tensor), rank(input_tensor))范围内。
• keep_dims：如果为true，则保留长度为1的缩小维度。
• name：操作的名称（可选）。
• reduction_indices：axis的废弃的名称。

返回：

结果返回减少的张量。

numpy兼容性

相当于np.prod

还有一些类似的比如：

TensorFlow函数：tf.reduce_sum

由 Carrie 创建， 最后一次修改 2017-12-18

tf.reduce_sum 函数

reduce_sum （ 
    input_tensor ， 
    axis = None ， 
    keep_dims = False ， 
    name = None ， 
    reduction_indices = None
 ）

定义在：tensorflow/python/ops/math_ops.py。

请参阅指南：数学函数>减少

此函数计算一个张量的各个维度上元素的总和。

函数中的input_tensor是按照axis中已经给定的维度来减少的；除非 keep_dims 是true，否则张量的秩将在axis的每个条目中减少1；如果keep_dims为true，则减小的维度将保留为长度1。 

如果axis没有条目，则缩小所有维度，并返回具有单个元素的张量。

例如：

x = tf.constant([[1, 1, 1], [1, 1, 1]])
tf.reduce_sum(x)  # 6
tf.reduce_sum(x, 0)  # [2, 2, 2]
tf.reduce_sum(x, 1)  # [3, 3]
tf.reduce_sum(x, 1, keep_dims=True)  # [[3], [3]]
tf.reduce_sum(x, [0, 1])  # 6

参数：

• input_tensor：要减少的张量。应该有数字类型。
• axis：要减小的尺寸。如果为None（默认），则缩小所有尺寸。必须在范围[-rank(input_tensor), rank(input_tensor))内。
• keep_dims：如果为true，则保留长度为1的缩小尺寸。
• name：操作的名称（可选）。
• reduction_indices：axis的废弃的名称。

返回：

该函数返回减少的张量。

numpy兼容性

相当于np.sum

https://blog.csdn.net/fu6543210/article/details/80221748

TensorFlow函数：tf.reduce_mean

 

tf.reduce_mean 函数

reduce_mean(
    input_tensor,
    axis=None,
    keep_dims=False,
    name=None,
    reduction_indices=None
)

定义在：tensorflow/python/ops/math_ops.py。

请参阅指南：数学函数>减少

计算张量的各个维度上的元素的平均值。

axis是tf.reduce_mean函数中的参数，按照函数中axis给定的维度减少input_tensor。除非keep_dims是true，否则张量的秩将在axis的每个条目中减少1。如果keep_dims为true，则缩小的维度将保留为1。 

如果axis没有条目，则减少所有维度，并返回具有单个元素的张量。

例如：

x = tf.constant([[1., 1.], [2., 2.]])
tf.reduce_mean(x)  # 1.5
tf.reduce_mean(x, 0)  # [1.5, 1.5]
tf.reduce_mean(x, 1)  # [1.,  2.]

参数：

• input_tensor：要减少的张量。应该有数字类型。
• axis：要减小的尺寸。如果为None（默认），则减少所有维度。必须在[-rank(input_tensor), rank(input_tensor))范围内。
• keep_dims：如果为true，则保留长度为1的缩小尺寸。
• name：操作的名称（可选）。
• reduction_indices：axis的不支持使用的名称。

返回：

该函数返回减少的张量。

numpy兼容性

相当于np.mean

 

 

TensorFlow函数：tf.reduce_max

tf.reduce_max 函数

reduce_max(
    input_tensor,
    axis=None,
    keep_dims=False,
    name=None,
    reduction_indices=None
)

定义在：tensorflow/python/ops/math_ops.py。

请参阅指南：数学函数>减少

计算一个张量的各个维度上元素的最大值。

按照axis给定的维度减少input_tensor。除非 keep_dims 是true，否则张量的秩将在axis的每个条目中减少1。如果keep_dims为true，则减小的维度将保留为长度1。

如果axis没有条目，则减少所有维度，并返回具有单个元素的张量。

参数：

• input_tensor：要减少的张量。应该有数字类型。
• axis：要减小的尺寸。如果为 None（默认），则减少所有维度。必须在[-rank(input_tensor), rank(input_tensor))范围内。
• keep_dims：如果为true，则保留长度为1的减少维度。
• name：操作的名称（可选）。
• reduction_indices：axis的废弃的名称。

返回：

该函数返回减少的张量。

numpy兼容性

相当于np.max。

 

TensorFlow函数：tf.reduce_min

tf.reduce_min 函数

reduce_min(
    input_tensor,
    axis=None,
    keep_dims=False,
    name=None,
    reduction_indices=None
)

定义在：tensorflow/python/ops/math_ops.py。

请参阅指南：数学函数>减少

tf.reduce_min函数用来计算一个张量的各个维度上元素的最小值。

同样按照axis给定的维度减少input_tensor。除非 keep_dims 是true，否则张量的秩将在axis的每个条目中减少1。如果keep_dims为true，则减小的维度将保留为长度1。

如果axis没有条目，则缩小所有维度，并返回具有单个元素的张量。

参数：

• input_tensor：减少的张量。应该有数字类型。
• axis：要减小的尺寸。如果为None（默认），则缩小所有维度。必须在[-rank(input_tensor), rank(input_tensor))范围内。
• keep_dims：如果为true，则保留长度为1的缩小维度。
• name：操作的名称（可选）。
• reduction_indices：axis的废弃的名称。

返回：

该函数返回减少的张量。

numpy兼容性

相当于np.min