tf.reduce_sum

tensorflow中有很多在维度上的操作，本例以常用的tf.reduce_sum进行说明。官方给的api

 

1 2 3 4 5 6 7

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

input_tensor:表示输入

axis:表示在那个维度进行sum操作。

keep_dims:表示是否保留原始数据的维度，False相当于执行完后原始数据就会少一个维度。

reduction_indices:为了跟旧版本的兼容，现在已经不使用了。

官方的例子：

 

1 2 3 4 5 6 7

# 'x' is [[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

自己做的例子：

?

1 2 3 4 5 6 7 8

import tensorflow as tf import numpy as np x = np.asarray([[[1,2,3],[4,5,6]],[[7,8,9],[10,11,12]]]) x_p = tf.placeholder(tf.int32,[2,2,3]) y = tf.reduce_sum(x_p,0) #修改这里 with tf.Session() as sess:  yy = sess.run(y,feed_dict={x_p:x})  print (yy)

        y = tf.reduce_sum(x_p,0)   输出结果：

[[ 8 10 12]
 [14 16 18]]

 y = tf.reduce_sum(x_p,1) 输出为： 

[[ 5  7  9]
 [17 19 21]]

 y = tf.reduce_sum(x_p,2) 输出为：

[[ 6 15]
 [24 33]]