tf.reduce_sum函数中reduction_indices参数表示函数的处理维度。
- reduction_indices参数的值默认的时候为None,默认把所有的数据求和,即结果是一维的。
- reduction_indices参数的值为0的时候,是第0维对应位置相加,[行1+行2+…+行n]。
- reduction_indices参数的值为1的时候,是第1维对应位置相加, [行1相加之和,行2相加之和,…,行n相加之和]。
- reduction_indices参数的值为2的时候,是第2维对应位置相加,[[行1里面的每行相加之和],[行2里面的每行相加之和],…,[行n里面的每行相加之和]]。
reduction_indices最大只能设为数组每一行的维度,比如二维数组里面的每一行是一维数组,最大只能设为1;二维数组里面的每一行数据是二维数组,最大只能设为2
a = np.array([[1, 2, 3], [4, 5, 6]])
b = tf.reduce_sum(a) #默认为None,所有数据求和
c = tf.reduce_sum(a, reduction_indices=[0]) #数组第0维度的数据相加[1, 2, 3]+[4, 5, 6] = 5 7 9
d = tf.reduce_sum(a, reduction_indices=[1]) #数组第1维度的数据相加[1, 2, 3] = 1+2+3=6 [4, 5, 6] = 4+5+6=15
sess = tf.InteractiveSession()
print(sess.run(b)) #21
print(sess.run(c)) #[5 7 9]
print(sess.run(d)) #[ 6 15]
a = np.array([[[1, 2, 3]], [[4, 5, 6]]])
b = tf.reduce_sum(a) #默认为None,所有数据求和
c = tf.reduce_sum(a, reduction_indices=[0]) #数组第0维度的数据相加[[1, 2, 3]]+[[4, 5, 6]] = [5 7 9]
d = tf.reduce_sum(a, reduction_indices=[1]) #数组第1维度的数据相加[[1, 2, 3]]= [1,2,3] [[4, 5, 6]]= [4, 5, 6]
e = tf.reduce_sum(a, reduction_indices=[2]) #数组第2维度的数据相加 [1, 2, 3] = 1+2+3=6 [4, 5, 6] = 4+5+6=15
sess = tf.InteractiveSession()
print(sess.run(b)) #21
print(sess.run(c)) #[[5 7 9]]
print(sess.run(d)) #[[1 2 3] [4 5 6]]
print(sess.run(e)) #[[ 6] [15]]