怎么使用Tensorflow中的降維函數(shù)tf.reduce_*

這篇文章主要講解了怎么使用Tensorflow中的降維函數(shù)tf.reduce_*，內(nèi)容清晰明了，對此有興趣的小伙伴可以學(xué)習(xí)一下，相信大家閱讀完之后會有幫助。

在使用tensorflow時常常會使用到tf.reduce_*這類的函數(shù)，在此對一些常見的函數(shù)進(jìn)行匯總

1.tf.reduce_sum

tf.reduce_sum(input_tensor ， axis = None ， keep_dims = False ， name = None ， reduction_indices = None)

參數(shù)：

• input_tensor：要減少的張量。應(yīng)該有數(shù)字類型。
• axis：要減小的尺寸。如果為None（默認(rèn)），則縮小所有尺寸。必須在范圍[-rank(input_tensor), rank(input_tensor))內(nèi)。
• keep_dims：如果為true，則保留長度為1的縮小尺寸。
• name：操作的名稱（可選）。
• reduction_indices：axis的廢棄的名稱。

返回：

該函數(shù)返回減少的張量，相當(dāng)于np.sum

功能：

此函數(shù)計算一個張量的各個維度上元素的總和。

說明：

函數(shù)中的input_tensor是按照axis中已經(jīng)給定的維度來減少的；除非 keep_dims 是true，否則張量的秩將在axis的每個條目中減少1；如果keep_dims為true，則減小的維度將保留為長度1。 如果axis沒有條目，則縮小所有維度，并返回具有單個元素的張量。

舉例：

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

2.reduce_min

reduce_min（input_tensor, axis=None, keep_dims=False, name=None, reduction_indices=None）

參數(shù)：

• input_tensor：減少的張量。應(yīng)該有數(shù)字類型。
• axis：要減小的尺寸。如果為None（默認(rèn)），則縮小所有維度。必須在[-rank(input_tensor), rank(input_tensor))范圍內(nèi)。
• keep_dims：如果為true，則保留長度為1的縮小維度。
• name：操作的名稱（可選）。
• reduction_indices：axis的廢棄的名稱。

返回：

該函數(shù)返回減少的張量，相當(dāng)于np.min

功能：

tf.reduce_min函數(shù)用來計算一個張量的各個維度上元素的最小值。 

說明：

同樣按照axis給定的維度減少input_tensor。除非 keep_dims 是true，否則張量的秩將在axis的每個條目中減少1。如果keep_dims為true，則減小的維度將保留為長度1。 如果axis沒有條目，則縮小所有維度，并返回具有單個元素的張量。

3.reduce_max

reduce_max（input_tensor, axis=None, keep_dims=False, name=None, reduction_indices=None）

參數(shù)：

• input_tensor：要減少的張量。應(yīng)該有數(shù)字類型。
• axis：要減小的尺寸。如果為 None（默認(rèn)），則減少所有維度。必須在[-rank(input_tensor), rank(input_tensor))范圍內(nèi)。
• keep_dims：如果為true，則保留長度為1的減少維度。
• name：操作的名稱（可選）。
• reduction_indices：axis的廢棄的名稱。

返回：

該函數(shù)返回減少的張量，相當(dāng)于np.max。

功能：

計算一個張量的各個維度上元素的最大值。 

說明：

按照axis給定的維度減少input_tensor。除非 keep_dims 是true，否則張量的秩將在axis的每個條目中減少1。如果keep_dims為true，則減小的維度將保留為長度1。如果axis沒有條目，則減少所有維度，并返回具有單個元素的張量。

4.reduce_mean

reduce_mean

5.reduce_all

reduce_all（input_tensor, axis=None, keep_dims=False, name=None, reduction_indices=None）

參數(shù)：

• input_tensor：要減少的張量。應(yīng)該有數(shù)字類型。
• axis：要減小的尺寸。如果為None（默認(rèn)），則減少所有維度。必須在[-rank(input_tensor), rank(input_tensor))范圍內(nèi)。
• keep_dims：如果為true，則保留長度為1的縮小尺寸。
• name：操作的名稱（可選）。
• reduction_indices：axis的不支持使用的名稱。

返回：

該函數(shù)返回減少的張量，相當(dāng)于np.mean

功能：

計算張量的各個維度上的元素的平均值。

說明：

axis是tf.reduce_mean函數(shù)中的參數(shù)，按照函數(shù)中axis給定的維度減少input_tensor。除非keep_dims是true，否則張量的秩將在axis的每個條目中減少1。如果keep_dims為true，則縮小的維度將保留為1。 如果axis沒有條目，則減少所有維度，并返回具有單個元素的張量。

舉例：

x = tf.constant([[1., 1.], [2., 2.]])
tf.reduce_mean(x) # 1.5
tf.reduce_mean(x, 0) # [1.5, 1.5]
tf.reduce_mean(x, 1) # [1., 2.]

6.reduce_any

reduce_any（input_tensor, axis=None, keep_dims=False, name=None, reduction_indices=None）

參數(shù)：

• input_tensor：要減少的布爾張量。
• axis：要減小的尺寸。如果為None（默認(rèn)），則減少所有維度。必須在范圍[-rank(input_tensor), rank(input_tensor))內(nèi)。
• keep_dims：如果為true，則保留長度為1的縮小維度。
• name：操作的名稱（可選）。
• reduction_indices：axis的已經(jīng)棄用的名稱。

返回：

減少張量，相當(dāng)于np.any

功能：

在張量的維度上計算元素的 "邏輯或"。 

說明：

按照axis給定的維度減少input_tensor。除非 keep_dims 是 true，否則張量的秩將在axis的每個條目中減少1。如果keep_dims為true，則縮小的維度將保留為1。如果axis沒有條目，則會減少所有維度，并返回具有單個元素的張量。

舉例：

x = tf.constant([[True, True], [False, False]])
tf.reduce_any(x) # True
tf.reduce_any(x, 0) # [True, True]
tf.reduce_any(x, 1) # [True, False]

7.reduce_logsumexp

reduce_logsumexp（input_tensor, axis=None, keep_dims=False, name=None, reduction_indices=None）

參數(shù)：

• input_tensor：張量減少。應(yīng)該有數(shù)字類型。
• axis：要減小的維度。如果為None（默認(rèn)），則減少所有維度。必須在[-rank(input_tensor), rank(input_tensor))范圍內(nèi)。
• keep_dims：如果為true，則保留長度為1的減少尺寸。
• name：操作的名稱（可選）。
• reduction_indices：axis的棄用名稱。

返回：

減少的張量。

功能：

計算log（sum（exp（張量的各維數(shù)的元素）））。 

說明：

按照給定的axis上的維度減少input_tensor。除非keep_dims是true，否則張量的秩在axis上的每一項(xiàng)都減少1。如果keep_dims為 true，則減少的尺寸將保留為1。如果axis沒有條目，則縮小所有維度，并返回具有單個元素的張量。這個函數(shù)在數(shù)值上比 log（sum（exp（input）））更穩(wěn)定。它避免了大量輸入的 exp 引起的溢出和小輸入日志帶來的下溢。

舉例：

x = tf.constant([[0., 0., 0.], [0., 0., 0.]])
tf.reduce_logsumexp(x) # log(6)
tf.reduce_logsumexp(x, 0) # [log(2), log(2), log(2)]
tf.reduce_logsumexp(x, 1) # [log(3), log(3)]
tf.reduce_logsumexp(x, 1, keep_dims=True) # [[log(3)], [log(3)]]
tf.reduce_logsumexp(x, [0, 1]) # log(6)

8.reduce_prod

reduce_prod（input_tensor, axis=None, keep_dims=False, name=None, reduction_indices=None）

參數(shù)：

• input_tensor：要減少的張量。應(yīng)該有數(shù)字類型。
• axis：要減小的尺寸。如果為None（默認(rèn)），則將縮小所有尺寸。必須在[-rank(input_tensor), rank(input_tensor))范圍內(nèi)。
• keep_dims：如果為true，則保留長度為1的縮小維度。
• name：操作的名稱（可選）。
• reduction_indices：axis的廢棄的名稱。

返回：

結(jié)果返回減少的張量，相當(dāng)于np.prod

功能：

此函數(shù)計算一個張量的各個維度上元素的乘積。 

說明：

函數(shù)中的input_tensor是按照axis中已經(jīng)給定的維度來減少的；除非 keep_dims 是true，否則張量的秩將在axis的每個條目中減少1；如果keep_dims為true，則減小的維度將保留為長度1。 如果axis沒有條目，則縮小所有維度，并返回具有單個元素的張量。

看完上述內(nèi)容，是不是對怎么使用Tensorflow中的降維函數(shù)tf.reduce_*有進(jìn)一步的了解，如果還想學(xué)習(xí)更多內(nèi)容，歡迎關(guān)注億速云行業(yè)資訊頻道。