TensorFlow中tf.reduce_sum函数维度操作详解
发布时间：2026-10-13 |
3人浏览过
本文详解TensorFlow中tf.reduce_sum函数的核心参数。重点解析axis指定求和维度及keep_dims控制输出形状的作用，对比官方示例与自定义多维数组案例，展示不同axis取值下的计算结果差异，帮助开发者准确掌握张量归约操作。
TensorFlow提供了丰富的沿维度进行计算的操作，本文以常用的tf.reduce_sum函数为例进行详细说明。以下是该函数的官方API定义。
reduce_sum( input_tensor, axis=None, keep_dims=False, name=None, reduction_indices=None )
input_tensor：指定需要进行求和操作的输入张量。
axis：指定执行求和操作的维度索引。
keep_dims：布尔值，用于控制是否保留原始数据的维度。若设置为False，求和操作完成后，结果张量将比输入张量少一个维度；若为True，则保留该维度，其值为1。
reduction_indices：此参数为兼容旧版本TensorFlow而保留，目前官方已推荐使用axis替代，建议在新代码中避免使用。
以下是官方文档提供的示例代码。
# '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]) ==> 6
以下是基于官方示例编写的自定义测试案例。
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 y
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…..
以上关于TensorFlow中tf.reduce_sum函数在维度上操作的详解内容到此结束，希望能为读者提供有价值的参考。
本站声明
本文内容仅供参考，不代表本站观点。转载或引用请注明出处。如发现内容问题，请通过联系我们页面反馈。
