tensorflow:tf.reduce_mean()和tf.reduce_sum()
2017-10-10 09:30
555 查看
一,tensorflow中有一类在tensor的某一维度上求值的函数。如:
求最大值tf.reduce_max(input_tensor, reduction_indices=None, keep_dims=False,
name=None)
求平均值tf.reduce_mean(input_tensor,
reduction_indices=None, keep_dims=False, name=None)
参数1--input_tensor:待求值的tensor。
参数2--reduction_indices:在哪一维上求解。
参数(3)(4)可忽略
举例说明:
x是一个2维数组,分别调用reduce_*函数如下:
首先求平均值:
同理,还可用tf.reduce_max()求最大值等。
tensorflow中有很多在维度上的操作,本例以常用的tf.reduce_sum进行说明。官方给的api
2
3
4
5
6
7
input_tensor:表示输入
axis:表示在那个维度进行sum操作。
keep_dims:表示是否保留原始数据的维度,False相当于执行完后原始数据就会少一个维度。
reduction_indices:为了跟旧版本的兼容,现在已经不使用了。
官方的例子:
2
3
4
5
6
7
自己做的例子:
2
3
4
5
6
7
8
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…..
求最大值tf.reduce_max(input_tensor, reduction_indices=None, keep_dims=False,
name=None)
求平均值tf.reduce_mean(input_tensor,
reduction_indices=None, keep_dims=False, name=None)
参数1--input_tensor:待求值的tensor。
参数2--reduction_indices:在哪一维上求解。
参数(3)(4)可忽略
举例说明:
# 'x' is [[1., 2.] # [3., 4.]]
x是一个2维数组,分别调用reduce_*函数如下:
首先求平均值:
tf.reduce_mean(x) ==> 2.5 #如果不指定第二个参数,那么就在所有的元素中取平均值 tf.reduce_mean(x, 0) ==> [2., 3.] #指定第二个参数为0,则第一维的元素取平均值,即每一列求平均值 tf.reduce_mean(x, 1) ==> [1.5, 3.5] #指定第二个参数为1,则第二维的元素取平均值,即每一行求平均值[/code]
同理,还可用tf.reduce_max()求最大值等。
tensorflow中有很多在维度上的操作,本例以常用的tf.reduce_sum进行说明。官方给的api
reduce_sum( input_tensor, axis=None, keep_dims=False, name=None, reduction_indices=None )1
2
3
4
5
6
7
input_tensor:表示输入
axis:表示在那个维度进行sum操作。
keep_dims:表示是否保留原始数据的维度,False相当于执行完后原始数据就会少一个维度。
reduction_indices:为了跟旧版本的兼容,现在已经不使用了。
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]) ==> 61
2
3
4
5
6
7
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) #修改这里 with tf.Session() as sess: y = sess.run(y,feed_dict={x_p:x}) print y1
2
3
4
5
6
7
8
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…..
相关文章推荐
- 对tf.reduce_sum tensorflow维度上的操作详解
- tensorflow学习之常用函数总结:tensorflow官方例子中的诸如tf.reduce_mean()这类函数
- tensorflow_api_5:tf.reduce_mean()这类函数
- tf.reduce_sum tensorflow维度上的操作
- tensorflow的tf.reduce_mean()函数的使用方法
- 【tensorflow】tf.one_hot,tf.reduce_mean,tf.argmax,tf.equal,tf.cast学习
- tensorflow学习之常用函数总结:tensorflow官方例子中的诸如tf.reduce_mean()这类函数
- tensorflow学习之常用函数总结:tensorflow官方例子中的诸如tf.reduce_mean()这类函数
- TensorFlow学习--tf.reduce_mean()
- Tensorflow 函数说明tf.reduce_sum
- TensorFlow基础1:reduce_sum()函数和reduce_mean()函数
- [tensorflow] which dimension to reduce in tf.reduce_sum()
- tf.Reducemean
- tf.reduce_sum (API r1.3)
- tf.reduce_mean
- tf.reduce_sum理解(小记)
- tensorflow API:tf.reduce_sum
- tensorflow中reduce_sum()在维度上的解释
- tf.reduce_sum理解(小记)
- TensorFlow的reduce_sum()函数