1、tf中很多的小的计算函数都可以按照下面的模式去推测,函数常用的几个参数很多都差不多。
2、根据官方给出tf.reduce_sum()的示例代码补充:
# 'x' is [[1, 1, 1]
# [1, 1, 1]]
x = tf.constant([[1, 1, 1], [1, 1, 1]])
tf.reduce_sum(x) ==> 6 #对tensor x求和,6个1相加
tf.reduce_sum(x, 0)=tf.reduce_sum(x, axis=0) ==> [2, 2, 2] #tensorflow中axis=0表示列,1表示行,所以上面是对x的列求和
tf.reduce_sum(x, 1) ==> [3, 3]
tf.reduce_sum(x, 1, keep_dims=True) ==> [[3], [3]] #对x求每一行的和,且保留原x的维度信息。
tf.reduce_sum(x, [0, 1]) ==> 6 #对x的列和行求和
函数:tf.reduce_sum(input_tensor,axis=None,keep_dims=False,name=None)
tf.reduce_sum 是 tensor 求和的工具。其参数中:
1. input_tensor 是要求和的 tensor;
2. axis 是要求和的 列或行,没有写出来,则默认所有维度都要求和;
3. keep_dims 求和后是否保持维度,不然就降维;
4. 这个操作在 graph 中可能会用到。