Tensorflow中的降维函数总结：tf.reduce_*

在使用tensorflow时常常会使用到tf.reduce_*这类的函数，在此对一些常见的函数进行汇总

1.tf.reduce_sum

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

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，相当于np.sum

功能：

此函数计算一个张量的各个维度上元素的总和。

说明：

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。

举例：

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

2.reduce_min

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

参数：

• input_te