tensorflow中有很多在維度上的操作，本例以常用的tf.reduce_sum進行說明。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:表示在那個維度進行sum操作。
keep_dims:表示是否保留原始數據的維度，False相當于執行完后原始數據就會少一個維度。
reduction_indices:為了跟舊版本的兼容，現在已經不使用了。
官方的例子：
# 'x' is [[1, 1, 1]# [1, 1, 1]]tf.reduce_sum(x) ==> 6tf.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 tfimport numpy as npx = 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 yaxis= 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…..
以上這篇對tf.reduce_sum tensorflow維度上的操作詳解就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持VEVB武林網。
新聞熱點
疑難解答
