Question

我不明白为什么以下代码的输出为[7 56]。

import tensorflow as tf

x = tf.constant([[1, 2, 4], [8, 16, 32]])
a = tf.reduce_sum(x, -1)  # [ 9 18 36]

with tf.Session() as sess:
  output_a = sess.run(a)
  print(output_a)

我知道逐行添加已经完成。但是，有人可以阐明为什么-1函数中的reduce_sum被视为可以对所有值进行连续求和吗？

Answer 1

-1表示最后一个轴；由于您具有2级张量，因此最后一个轴是第二个轴，即沿着行。因此，tf.reduce_sum与axis=-1会缩小（求和）第二维。

Answer 2

我运行您的代码，实际上给了我一个不同的答案：

import tensorflow as tf
x = tf.constant([[1, 2, 4], [8, 16, 32]])
a = tf.reduce_sum(x, -1)  
tf.print(a)

答案是[7,56]，加上1 + 2 + 4 = 7和8 + 16 + 32 = 56。

轴：要减小的尺寸。我的理解：

'-1'表示最后一个轴或尺寸。

tf.reduce_sum（x，-1）在这里等于tf.reduce_sum（x，1），因为只有2个维度。

尺寸为2 * 3（2行* 3列）。目标是删除最后一个维度“ 3”，结果应为2行：

[[7] [56]]

由于此处没有'keepdims = True'，[]将被删除，结果为[7,56]

您可以测试此示例。注意：此处的“ -1”和“ 1”不同。

y = tf.constant([[[1, 2, 4], [1, 0, 3]],[[1,2,3],[2,2,1]]]) c = tf.reduce_sum(y, 1) # if (y,-1) will be [[7,4],[6,5]] tf.print(c) #[[2 2 7], [3 4 4]]

tf.reduce_sum对axis = -1有什么作用？

2 个答案: