TensorFlow里的reduce_sum与reduce_mean

reduce_sum与reduce_mean

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

reduce_sum为降维求和，reduce_mean为降维求均值，参数都一致。

第二个参数axis： 指定的轴，如果不指定，则计算所有元素的均值;

第三个参数keep_dims：是否保持原来的维度，默认为False

第四个参数name： 操作的名称

第五个参数 reduction_indices：在以前版本中用来指定轴，已弃用;

其中比较难理解的是参数axis, reduction_indices，这两个参数是一个意思。

假设 matrix = [[[1.,2.],[3.,4.]], [[5.,6.],[7.,8.]]] #三维的张量 并且reduction_indices=[1] 或者 axis=[1]
## 针对每个去掉的方括号里面的元素求和。如果三维的，去掉中间的一维，即去掉第1维，那么第一维里面的元素分别是([1.,2.],[3.,4.])与 ([5.,6.],[7.,8.]) 
## 两组分别求和，为[4,6]与[12,14], 最后再加上最外层的一维方括号[],即为[[4., 6.], [12., 14.]]
## 简单来讲，维度是从外到内，最外层是0，然后就是去掉哪一维度，就先将这一维度的逗号改为加号(仅仅是这一维度，而不是更里面维度的)，然后再去掉方括号，计算出结果就是正解
## reduction_indices=[0],  [[1.,2.],[3.,4.]]+[[5.,6.],[7.,8.]] = [[ 6.  8.] [10. 12.]]
## reduction_indices=[1], [[1.,2.]+[3.,4.],[5.,6.]+[7.,8.]] = [[ 4.  6.] [12. 14.]]
## reduction_indices=[2], [[1.+2.,3.+4.],[5.+6.,7.+8.]] = [[ 3.  7.] [11. 15.]]
## reduction_indices=None时，去掉所有的方括号[], 最终结果为36

keep_dims比较好理解，默认为False，即为不保持，如果设为True，原来是几维的，结果就补齐原有维度，
而且重点注意的是，在哪层降维，就在哪层加回括号，而不是简单的再最外层加一下而已
## reduce_sum(matrix, keep_dims=True, reduction_indices=None)   ###结果为 [[[36]]]
## reduce_sum(matrix, keep_dims=True, reduction_indices=[2])  ###结果为 [[[ 3.]  [ 7.]] [[11.] [15.]]]