ValueError：具有1个维度的输入的缩减维度1无效

Question

tf.reduce_mean()函数以一种 axis 参数中引用的索引的方式对数组的元素求和。

在以下代码中：

import tensorflow as tf

x = tf.Variable([1, 2, 3])
init = tf.global_variables_initializer()

sess = tf.Session()
sess.run(init)

所以对于这行

print(sess.run(tf.reduce_sum(x)))

输出为：6

为了生成相同的输出，我需要以减少列数的方式对所有元素求和。所以我需要设置轴 = 1对吗？

print(sess.run(tf.reduce_sum(x, 1)))

但是我收到了一个错误：

  

ValueError：1维输入

的缩小维度1无效

但是如果我设置axis = 0，我得到6.为什么会这样？

Answer 1

您得到的错误是ValueError: Invalid reduction dimension 1 for input with 1 dimensions。这几乎意味着如果你不能减少一维张量的维数。

对于N x M张量，设置轴= 0将返回1xM张量，设置轴= 1将返回Nx1张量。请考虑tensorflow文档中的以下示例：

# '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]

Answer 2

“请注意，选择张量中最后一个轴的一种方法是使用负索引（axis = -1）”