Question

假设我有一个列为N + 1张量的列N张量的列表。例如，列表为100个10x20矩阵，其形状为（100,10,20）的3级张量。我需要对每个矩阵执行相同的操作：将每个矩阵的所有元素，第i个矩阵的值的均值和中值求和。是否可以沿轴0做tf.math.reduce_sum，tf.math.reduce_mean，tf.contrib.distributions.percentile之类的事情，但同时为沿0轴的每个元素一次计算整个矩阵？

E.G .：

matricesList = tf.constant([[[1,1],[1,1]],
                           [[2,2],[2,2]]])

op = sum_matrices_along_axis(matrixList)

预期为op = [4,8]

Answer 1

您可以将多个尺寸传递给归约运算的axis参数：

import tensorflow as tf

matricesList = tf.constant([[[1, 1], [1, 1]],
                            [[2, 2], [2, 2]]])
matricesSum = tf.reduce_sum(matricesList, axis=[1, 2])
with tf.Session() as sess:
    print(sess.run(matricesSum))
    # [4 8]

即使您事先不知道尺寸数，也可以减少“除第一个尺寸外的所有尺寸”：

import tensorflow as tf

# The number of dimensions of tensorsList is unspecified
tensorsList = tf.placeholder(tf.int32)
# Dimensions from one to the last one
reduceDims = tf.range(1, tf.rank(tensorsList))
tensorsSum = tf.reduce_sum(tensorsList, axis=reduceDims)
with tf.Session() as sess:
    matrices = [[[1, 1], [1, 1]],
                [[2, 2], [2, 2]]]
    print(sess.run(tensorsSum, feed_dict={tensorsList: matrices}))
    # [4 8]

如何一次在多个维度上执行reduce_op？

1 个答案: