如何理解np.sum tf.reduce_sum( tf.reduce_max tf.reduce_mean)等对tensor和高维矩阵的axis选择的操作

一个不是很简单，但是很好理解的方法是：你的输入矩阵的shape是(2,2,4)，那么当axis=0时，就是在第一个dimension上进行求和，最后得到的结果的shape就是去掉第一个dimension后的shape，也就是(2,4)。具体的计算方法则是，对于c[i,j,k]，假设输出矩阵为s[j,k]，第一个dimension求和那么就是
s[j,k]=∑i(c[i,j,k])
如果axis=1，那么输出shape就是去掉第二个dim，也就是(2,4)，计算是 s[i,k]=sumj(c[i,j,k])
如果axis=2，那么输出shape就是去掉第三个dim，也就是(2,2)，计算是 s[i,j]=sumk(c[i,j,k])
在数据处理里面经常会碰到高维数据，通过二维矩阵去想它的计算方法就很难了，这个时候只要按axis对应的维度求和，其他维度的位置和形状不变，最后把shape去掉对应维度(就得到最后的矩阵的维度了)就能理解了

注：这篇博客应该足够了，附上另一篇做参考https://blog.csdn.net/GoodShot/article/details/79506812

如何理解np.sum tf.reduce_sum( tf.reduce_max tf.reduce_mean)等对tensor和高维矩阵的axis选择的操作相关推荐

tensorflow reduce系列函数(tf.reduce_mean, tf.reduce_sum, tf.reduce_prod, tf.reduce_max, tf.reduce_min)
简而言之,reduce系列的函数都可在张量指定的维度上操作目录输入参数 tf.reduce_all 在boolean张量的维度上计算元素的 "逻辑和" tf.reduce_ ...
tf.reduce_sum()_tf.reduce_mean()_tf.reduce_max()
根据官方文档: reduce_sum应该理解为压缩求和,用于降维 tf.reduce_sum(input_tensor,axis=None,keepdims=None,name=None,reduct ...
tf.reduce_sum()方法深度解析
首先看一下reduce_sum及其参数的注释 : def tf.reduce_sum(input_tensor, axis=None, keepdims=False, name=None) Compu ...
tf.sign和tf.reduce_sum
tf.sign和tf.reduce_sum tensorflow中两个经常用到的操作,理解的不是很透彻,故在此做标记: 关于reduce_sum的维度问题也容易让人迷惑,特找来好用的图示,一看即懂: ...
tf.reduce_sum()函数
1 2 3 4 5 6 7 reduce_sum 是 tensor 内部求和的工具.其参数中: input_tensor 是要求和的 tensor axis 是要求和的 rank,如果为 none,则 ...
Python中np.sum()对axis的个人理解，超详细
你们讨论的axis=0和1并不是简单的行和列,axis=0表示的是第一个维度,在第一个维度上的元素间进行求和.比较大小,axis=1表示的是第二个维度,在第二个维度上的元素间进行求和.比较大小.一个维 ...
Python：一文让你彻底理解numpy中axis=-1/0/1/2... [实例讲解：np.argmax(axis= -1 0 1 2) np.sum(aixs= -1 0 1 2)]
前言接触python有一段时间了,但总有一道坎在心中挥之不去,那就是Numpy模块中的axis=-1/0/1/2...,每每见到axis=-1.axis=0.axis=1.axis=2等操作,心中真 ...
理解np.max、np.min、np.argmax、np.argmin以及np.sum中的axis参数
np.max.np.min.np.argmax.np.argmin以及np.sum方法均可设置axis参数,设置axis参数后,对应地,函数方法将沿着axis代表的轴的方向进行相应的数学运算.进行数学 ...
tf.nn.softmax_cross_entropy_with_logits 和 tf.contrib.legacy_seq2seq.sequence_loss_by_example 的联系与区别
文章目录 0.函数介绍 1.区别联系 1.1 tf.nn.softmax_cross_entropy_with_logits 1.2 tf.nn.sparse_softmax_cross_entrop ...

如何理解np.sum tf.reduce_sum( tf.reduce_max tf.reduce_mean)等对tensor和高维矩阵的axis选择的操作

如何理解np.sum tf.reduce_sum( tf.reduce_max tf.reduce_mean)等对tensor和高维矩阵的axis选择的操作相关推荐

最新文章

热门文章