tf.compat.v1.math.reduce_sum

Вычисляет сумму элементов по измерениям тензора. (устаревшие аргументы)

tf.compat.v1.math.reduce_sum(
    input_tensor,
    axis=None,
    keepdims=None,
    name=None,
    reduction_indices=None,
    keep_dims=None
)

Это операция сокращения для элементной операции tf.math.add.

Сокращает input_tensor по измерениям, указанным в axis. Если keepdims не равно true, ранг тензора уменьшается на 1 для каждого элемента в axis, которые должны быть уникальными. Если keepdims равно true, сокращаемые измерения сохраняются с длиной 1.

Если axis равно None, все измерения сокращаются, и возвращается тензор с одним элементом.

Например
>>> # x has a shape of (2, 3) (two rows and three columns): >>> x = tf.constant([[1, 1, 1], [1, 1, 1]]) >>> x.numpy() array([[1, 1, 1], [1, 1, 1]], dtype=int32) >>> # sum all the elements >>> # 1 + 1 + 1 + 1 + 1+ 1 = 6 >>> tf.reduce_sum(x).numpy() 6 >>> # reduce along the first dimension >>> # the result is [1, 1, 1] + [1, 1, 1] = [2, 2, 2] >>> tf.reduce_sum(x, 0).numpy() array([2, 2, 2], dtype=int32) >>> # reduce along the second dimension >>> # the result is [1, 1] + [1, 1] + [1, 1] = [3, 3] >>> tf.reduce_sum(x, 1).numpy() array([3, 3], dtype=int32) >>> # keep the original dimensions >>> tf.reduce_sum(x, 1, keepdims=True).numpy() array([[3], [3]], dtype=int32) >>> # reduce along both dimensions >>> # the result is 1 + 1 + 1 + 1 + 1 + 1 = 6 >>> # or, equivalently, reduce along rows, then reduce the resultant array >>> # [1, 1, 1] + [1, 1, 1] = [2, 2, 2] >>> # 2 + 2 + 2 = 6 >>> tf.reduce_sum(x, [0, 1]).numpy() 6

Например

>>> # x has a shape of (2, 3) (two rows and three columns):
>>> x = tf.constant([[1, 1, 1], [1, 1, 1]])
>>> x.numpy()
array([[1, 1, 1],
       [1, 1, 1]], dtype=int32)
>>> # sum all the elements
>>> # 1 + 1 + 1 + 1 + 1+ 1 = 6
>>> tf.reduce_sum(x).numpy()
6
>>> # reduce along the first dimension
>>> # the result is [1, 1, 1] + [1, 1, 1] = [2, 2, 2]
>>> tf.reduce_sum(x, 0).numpy()
array([2, 2, 2], dtype=int32)
>>> # reduce along the second dimension
>>> # the result is [1, 1] + [1, 1] + [1, 1] = [3, 3]
>>> tf.reduce_sum(x, 1).numpy()
array([3, 3], dtype=int32)
>>> # keep the original dimensions
>>> tf.reduce_sum(x, 1, keepdims=True).numpy()
array([[3],
       [3]], dtype=int32)
>>> # reduce along both dimensions
>>> # the result is 1 + 1 + 1 + 1 + 1 + 1 = 6
>>> # or, equivalently, reduce along rows, then reduce the resultant array
>>> # [1, 1, 1] + [1, 1, 1] = [2, 2, 2]
>>> # 2 + 2 + 2 = 6
>>> tf.reduce_sum(x, [0, 1]).numpy()
6

Аргументы
`input_tensor`	Тензор для сокращения. Должен иметь числовой тип.
`axis`	Измерения для сокращения. Если `None` (по умолчанию), сокращает все измерения. Должны находиться в диапазоне `[-rank(input_tensor), rank(input_tensor))`.
`keepdims`	Если true, сохраняет сокращаемые измерения длиной 1.
`name`	Имя операции (необязательно).
`reduction_indices`	Старое (устаревшее) имя для axis.
`keep_dims`	Устаревший псевдоним для `keepdims`.

Возвращаемое значение
Сокращённый тензор того же типа, что и входной тензор input_tensor.

совместимость с numpy

Эквивалентно np.sum, за исключением того, что numpy преобразует uint8 и int32 в int64, в то время как tensorflow возвращает тот же тип, что и входной.

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/compat/v1/math/reduce_sum