Python tf.compat.v1.reduce_sum用法及代码示例

计算张量维度上的元素总和。 (不推荐使用的参数)

用法

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

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

这是按元素tf.math.add op 的归约操作。

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 为None，则所有维度都会减少，并返回具有单个元素的张量。

例如：

# x has a shape of (2, 3) (two rows and three columns):
x = tf.constant([[1, 1, 1], [1, 1, 1]])
x.numpy()
array([[1, 1, 1],
       [1, 1, 1]], dtype=int32)
# sum all the elements
# 1 + 1 + 1 + 1 + 1+ 1 = 6
tf.reduce_sum(x).numpy()
6
# reduce along the first dimension
# the result is [1, 1, 1] + [1, 1, 1] = [2, 2, 2]
tf.reduce_sum(x, 0).numpy()
array([2, 2, 2], dtype=int32)
# reduce along the second dimension
# the result is [1, 1] + [1, 1] + [1, 1] = [3, 3]
tf.reduce_sum(x, 1).numpy()
array([3, 3], dtype=int32)
# keep the original dimensions
tf.reduce_sum(x, 1, keepdims=True).numpy()
array([[3],
       [3]], dtype=int32)
# reduce along both dimensions
# the result is 1 + 1 + 1 + 1 + 1 + 1 = 6
# or, equivalently, reduce along rows, then reduce the resultant array
# [1, 1, 1] + [1, 1, 1] = [2, 2, 2]
# 2 + 2 + 2 = 6
tf.reduce_sum(x, [0, 1]).numpy()
6

numpy 兼容性

相当于 np.sum 除了 numpy upcast uint8 和 int32 到 int64 而 tensorflow 返回与输入相同的 dtype 的事实。