秒懂,视觉化理解 tf.reduce_sum()函数和tf.reduce_mean()函数

reduce的意思降维,因为经过这些运算,输入的tensor可以降低1个维度或多个维度。

reduce_sum() 用于计算张量tensor沿着某一维度的和,在求和后降维。

举个 2 * 3 * 4 的tensor 作例子:

[[[ 1   2   3   4]
  [ 5   6   7   8]
  [ 9   10 11 12]],
 [[ 13  14 15 16]
  [ 17  18 19 20]
  [ 21  22 23 24]]]

画出来是这样的

为了方便,我们把数字都去掉,再上色。最终是:

2层(方块黄色方向,维度0,axis=0),

3行(方块蓝色方向,维度1,axis=1),

4列(方块红色方向,维度2,axis=2)


 tf.reduce_sum(tensor, axis=0),       #  axis=0 ,按第一个维度求和。

计算过程是沿着axis=0 方向,将数据相加,维度从(2,3,4)到(3,4)。降低了一个维度。

结果:

shape是(3,4)

[[1+13   2+14   3+15 4+16]
 [5+17   6+18   7+19 8+20]
 [9+21 10+22 11+23 12+24]]


依次类推,如果axis=1,那么求和结果:

shape是(2,4)

[[ 1 + 5 + 9   2 + 6+10   3 + 7+11   4 + 8+12]
 [13+17+21     14+18+22   15+19+23   16+20+24]]


如果axis=2,那么求和结果:

shape是(2,3)

[[1+2+3+4          5+6+7+8          9+10+11+12]
 [13+14+15+16      17+18+19+20      1+22+23+24]]



如果axis 省略,那么求和结果:

shape是(1,)



 tf.reduce_mean()函数 也近似,不再作图。



参考文件: https://www.jianshu.com/p/30b40b504bae

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值