(编辑：jimmy 日期: 2025/10/14 浏览：2)
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 )
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]) ==> 6
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 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…..
以上这篇对tf.reduce_sum tensorflow维度上的操作详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。