生信实验记录(part2)--tf.reduce_sum()用法介绍

学习笔记，仅供参考，有错必纠
参考自：tf.reduce_sum()用法介绍

前言

在复现的时候遇到了这个函数…emmm… 说起来我对深度学习相关知识了解的确实很少.

方法定义

tf.reduce_sum()的作用是按一定方式计算张量中元素之和.

tf.reduce_sum(
    input_tensor, 
    axis=None, 
    keepdims=None,
    name=None)

参数解释：

input_tensor为待处理张量.
axis为指定按哪个维度进行加和，默认将所有元素进行加和.
keepdims表示不维持原来张量的维度，默认为False，若为True维持原张量维度, .
name用于定义该操作名字.

示例

有形如(2,3,4)的三维张量：

import tensorflow as tf
a = tf.constant([[[1, 2, 3, 4], 
                  [5, 6, 7, 8], 
                  [9, 10, 9, 8]], 
                 [[7, 6, 5, 4], 
                  [3, 2, 1, 0], 
                  [1, 2, 3, 4]]])
print(a.shape)
# (2, 3, 4)

分别设置axis为0，1，2进行加和的结果如下：

b = tf.reduce_sum(a, axis = 0)
c = tf.reduce_sum(a, axis = 1)
d = tf.reduce_sum(a, axis = 2)

sess = tf.InteractiveSession()

b
b.eval()

<tf.Tensor 'Sum_18:0' shape=(3, 4) dtype=int32>
array([[ 8,  8,  8,  8],
       [ 8,  8,  8,  8],
       [10, 12, 12, 12]])

c
c.eval()

<tf.Tensor 'Sum_19:0' shape=(2, 4) dtype=int32>
array([[15, 18, 19, 20],
       [11, 10,  9,  8]])

d
d.eval()

<tf.Tensor 'Sum_20:0' shape=(2, 3) dtype=int32>
array([[10, 26, 36],
       [22,  6, 10]])

可以看到，原张量是三维的，指定axis进行一次tf.reduce_sum()后变成了二维张量. 如果设置keepdims=True，则结果如下，可以看到计算完加和后的张量依然是三维的，其中指定axis的那个维度元素个数为1，其他维度形状不变.

b = tf.reduce_sum(a, axis = 0, keepdims=True)
c = tf.reduce_sum(a, axis = 1, keepdims=True)
d = tf.reduce_sum(a, axis = 2, keepdims=True)

b
b.eval()

<tf.Tensor 'Sum_24:0' shape=(1, 3, 4) dtype=int32>
array([[[ 8,  8,  8,  8],
        [ 8,  8,  8,  8],
        [10, 12, 12, 12]]])

c
c.eval()

<tf.Tensor 'Sum_25:0' shape=(2, 1, 4) dtype=int32>
array([[[15, 18, 19, 20]],

       [[11, 10,  9,  8]]])

d
d.eval()

<tf.Tensor 'Sum_26:0' shape=(2, 3, 1) dtype=int32>
array([[[10],
        [26],
        [36]],

       [[22],
        [ 6],
        [10]]])

sess.close()