A series of tf.reduce

文章目录

tf.reduce_max

参考文献

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
import numpy as np

a=np.array([[1, 2],
            [5, 3],
            [2, 6]])

b = tf.Variable(a)
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print(sess.run(b))
    print('************')
    # 对于二维矩阵,axis=0轴可以理解为列方向(矩阵向下的方向),axis=1轴可以理解为
    #行方向(矩阵向右方向)
    print(sess.run(tf.reduce_max(b, axis=1, keepdims=False)))  # keepdims=False,结果维度减小
    print('************')
    print(sess.run(tf.reduce_max(b, axis=1, keepdims=True))) # keepdims=Ture,结果维度不变
    print('************')
    print(sess.run(tf.reduce_max(b, axis=0, keepdims=True)))
[[1 2]
 [5 3]
 [2 6]]
************
[2 5 6]
************
[[2]
 [5]
 [6]]
************
[[5 6]]
************
[5 6]
  • 0
    点赞
  • 0
    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