Python tf.compat.v1.reduce_logsumexp用法及代码示例

计算 log(sum(exp(跨张量维度的元素)))。 (不推荐使用的参数)

用法

tf.compat.v1.reduce_logsumexp(
    input_tensor, axis=None, keepdims=None, name=None, reduction_indices=None,
    keep_dims=None
)

参数

input_tensor 要减少的张量。应该是数字类型。
axis 要减小的尺寸。如果None(默认)，减少所有维度。必须在 [-rank(input_tensor), rank(input_tensor)) 范围内。
keepdims 如果为真，则保留长度为 1 的缩减维度。
name 操作的名称(可选)。
reduction_indices 轴的旧(不推荐)名称。
keep_dims keepdims 的已弃用别名。

减少的张量。

警告：不推荐使用某些参数：(keep_dims)。它们将在未来的版本中被删除。更新说明：keep_dims 已弃用，请改用 keepdims

沿 axis 中给定的尺寸减少 input_tensor 。除非 keepdims 为真，否则对于 axis 中的每个条目，张量的秩都会减少 1，这必须是唯一的。如果 keepdims 为真，则保留缩减后的维度，长度为 1。

如果axis 没有条目，则减少所有维度，并返回具有单个元素的张量。

这个函数比 log(sum(exp(input))) 在数值上更稳定。它避免了由于取大输入的 exp 导致的溢出和取小输入的 log 导致的下溢。

例如：

x = tf.constant([[0., 0., 0.], [0., 0., 0.]])
tf.reduce_logsumexp(x)  # log(6)
tf.reduce_logsumexp(x, 0)  # [log(2), log(2), log(2)]
tf.reduce_logsumexp(x, 1)  # [log(3), log(3)]
tf.reduce_logsumexp(x, 1, keepdims=True)  # [[log(3)], [log(3)]]
tf.reduce_logsumexp(x, [0, 1])  # log(6)

相关用法

注：本文由纯净天空筛选整理自tensorflow.org大神的英文原创作品 tf.compat.v1.reduce_logsumexp。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。