tensorflow中reduce命令的用途是什么？

Question

tensorflow。 reduce _sum（..）计算张量维度的元素总和。没关系。

但有一件事我不清楚，在功能名称中说 reduce 的目的是什么？

它与并行计算的map_reduce有关吗？
比方说，它将所需的计算分配给 不同的核心，并从核心收集结果，最终提供收集结果的总和？

Answer 1

因为您可以计算给定维度的总和（因此可以减少它）。并且它与map-reduce没有任何关系。

引用方法的文档字符串：

  

沿轴给定的尺寸缩小input_tensor。除非keepdims为真，否则对于轴中的每个条目，张量的等级减少1。如果keepdims为真，则缩小的尺寸将保留为长度为1。

API的示例：

x = tf.constant([[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]
tf.reduce_sum(x, 1, keepdims=True)  # [[3], [3]]
tf.reduce_sum(x, [0, 1])  # 6