這篇文章將為大家詳細(xì)講解有關(guān)tf.reduce_sum tensorflow維度上操作的示例分析，小編覺得挺實用的，因此分享給大家做個參考，希望大家閱讀完這篇文章后可以有所收獲。

成都創(chuàng)新互聯(lián)主營納溪網(wǎng)站建設(shè)的網(wǎng)絡(luò)公司,主營網(wǎng)站建設(shè)方案,重慶APP開發(fā),納溪h5重慶小程序開發(fā)搭建,納溪網(wǎng)站營銷推廣歡迎納溪等地區(qū)企業(yè)咨詢

tensorflow中有很多在維度上的操作，本例以常用的tf.reduce_sum進(jìn)行說明。官方給的api

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

input_tensor:表示輸入

axis:表示在那個維度進(jìn)行sum操作。

keep_dims:表示是否保留原始數(shù)據(jù)的維度，F(xiàn)alse相當(dāng)于執(zhí)行完后原始數(shù)據(jù)就會少一個維度。

reduction_indices:為了跟舊版本的兼容，現(xiàn)在已經(jīng)不使用了。

官方的例子：

# '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：

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) #修改這里
with tf.Session() as sess:
 y = sess.run(y,feed_dict={x_p:x})
 print y

axis= 0：[[ 8 10 12] [14 16 18]] 
1+7 2+8 3+7 …….. 
axis=1: [[ 5 7 9] [17 19 21]] 
1+4 2+5 3 +6 …. 
axis=2: [[ 6 15] [24 33]] 
1+2+3 4+5+6…..

關(guān)于“tf.reduce_sum tensorflow維度上操作的示例分析”這篇文章就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，使各位可以學(xué)到更多知識，如果覺得文章不錯，請把它分享出去讓更多的人看到。

本文標(biāo)題：tf.reduce_sumtensorflow維度上操作的示例分析-創(chuàng)新互聯(lián)
地址分享：http://www.aaarwkj.com/article44/phche.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站設(shè)計、微信公眾號、微信小程序、移動網(wǎng)站建設(shè)、定制網(wǎng)站、軟件開發(fā)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)