tf.compat.v1.reduce_sum

Вычисляет сумму элементов по измерениям тензора. (устаревшие аргументы)

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

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

Сокращает input_tensor по измерениям, указанным в axis. Если keepdims не равно true, ранг тензора уменьшается на 1 для каждого из элементов в axis, которые должны быть уникальными. Если keepdims равно true, сокращенные 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

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