Python tf.compat.v1.reduce_sum用法及代碼示例

計算張量維度上的元素總和。 (不推薦使用的參數)

用法

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

警告：不推薦使用某些參數：(keep_dims)。它們將在未來的版本中被刪除。更新說明：keep_dims 已棄用，請改用 keepdims

這是按元素tf.math.add op 的歸約操作。

沿 axis 中給定的尺寸減少 input_tensor 。除非 keepdims 為真，否則對於 axis 中的每個條目，張量的秩都會減少 1，這必須是唯一的。如果 keepdims 為真，則保留縮減後的維度，長度為 1。

如果axis 為None，則所有維度都會減少，並返回具有單個元素的張量。

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

相當於 np.sum 除了 numpy upcast uint8 和 int32 到 int64 而 tensorflow 返回與輸入相同的 dtype 的事實。