2016-02-28 3 views

ответ

24

Существует tf.reduce_sum, который является более мощным инструментом для этого. https://github.com/tensorflow/tensorflow/blob/master/tensorflow/g3doc/api_docs/python/math_ops.md#tfreduce_suminput_tensor-reduction_indicesnone-keep_dimsfalse-namenone-reduce_sum

# '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 
+0

это именно то, что я искал , благодаря! Почему это не на веб-сайте? – maroxe

+0

Не могли бы вы подробно рассказать, почему 'tf.reduce_sum (x, [0, 1]) ==> 6'? Я споткнулся. – lerner

+1

@Lemer - вы просите TF суммировать по двум осям - 0-й и 1-й, так как матрица 2D, вы получаете полную сумму всех элементов. В общем случае с тензором KD и суммированием по осям L вы оказываетесь с тензором (K-L) D, поэтому для K = L он всегда выдает поплавок (тензор 0D). – lejlot

Смежные вопросы