怎么使用Tensorflow中的降维函数tf.reduce_*

这篇文章主要讲解了怎么使用Tensorflow中的降维函数tf.reduce_*，内容清晰明了，对此有兴趣的小伙伴可以学习一下，相信大家阅读完之后会有帮助。

在使用tensorflow时常常会使用到tf.reduce_*这类的函数，在此对一些常见的函数进行汇总

1.tf.reduce_sum

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

参数：

• input_tensor：要减少的张量。应该有数字类型。
• axis：要减小的尺寸。如果为None（默认），则缩小所有尺寸。必须在范围[-rank(input_tensor), rank(input_tensor))内。
• keep_dims：如果为true，则保留长度为1的缩小尺寸。
• name：操作的名称（可选）。
• reduction_indices：axis的废弃的名称。

返回：

该函数返回减少的张量，相当于np.sum

功能：

此函数计算一个张量的各个维度上元素的总和。

说明：

函数中的input_tensor是按照axis中已经给定的维度来减少的；除非 keep_dims 是true，否则张量的秩将在axis的每个条目中减少1；如果keep_dims为true，则减小的维度将保留为长度1。 如果axis没有条目，则缩小所有维度，并返回具有单个元素的张量。

举例：

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）

参数：

• input_tensor：减少的张量。应该有数字类型。
• axis：要减小的尺寸。如果为None（默认），则缩小所有维度。必须在[-rank(input_tensor), rank(input_tensor))范围内。
• keep_dims：如果为true，则保留长度为1的缩小维度。
• name：操作的名称（可选）。
• reduction_indices：axis的废弃的名称。

返回：

该函数返回减少的张量，相当于np.min

功能：

tf.reduce_min函数用来计算一个张量的各个维度上元素的最小值。 

说明：

同样按照axis给定的维度减少input_tensor。除非 keep_dims 是true，否则张量的秩将在axis的每个条目中减少1。如果keep_dims为true，则减小的维度将保留为长度1。 如果axis没有条目，则缩小所有维度，并返回具有单个元素的张量。

3.reduce_max

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

参数：

• input_tensor：要减少的张量。应该有数字类型。
• axis：要减小的尺寸。如果为 None（默认），则减少所有维度。必须在[-rank(input_tensor), rank(input_tensor))范围内。
• keep_dims：如果为true，则保留长度为1的减少维度。
• name：操作的名称（可选）。
• reduction_indices：axis的废弃的名称。

返回：

该函数返回减少的张量，相当于np.max。

功能：

计算一个张量的各个维度上元素的最大值。 

说明：

按照axis给定的维度减少input_tensor。除非 keep_dims 是true，否则张量的秩将在axis的每个条目中减少1。如果keep_dims为true，则减小的维度将保留为长度1。如果axis没有条目，则减少所有维度，并返回具有单个元素的张量。

4.reduce_mean

reduce_mean

5.reduce_all

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

参数：

• input_tensor：要减少的张量。应该有数字类型。
• axis：要减小的尺寸。如果为None（默认），则减少所有维度。必须在[-rank(input_tensor), rank(input_tensor))范围内。
• keep_dims：如果为true，则保留长度为1的缩小尺寸。
• name：操作的名称（可选）。
• reduction_indices：axis的不支持使用的名称。

返回：

该函数返回减少的张量，相当于np.mean

功能：

计算张量的各个维度上的元素的平均值。

说明：

axis是tf.reduce_mean函数中的参数，按照函数中axis给定的维度减少input_tensor。除非keep_dims是true，否则张量的秩将在axis的每个条目中减少1。如果keep_dims为true，则缩小的维度将保留为1。 如果axis没有条目，则减少所有维度，并返回具有单个元素的张量。

举例：

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）

参数：

• input_tensor：要减少的布尔张量。
• axis：要减小的尺寸。如果为None（默认），则减少所有维度。必须在范围[-rank(input_tensor), rank(input_tensor))内。
• keep_dims：如果为true，则保留长度为1的缩小维度。
• name：操作的名称（可选）。
• reduction_indices：axis的已经弃用的名称。

返回：

减少张量，相当于np.any

功能：

在张量的维度上计算元素的 "逻辑或"。 

说明：

按照axis给定的维度减少input_tensor。除非 keep_dims 是 true，否则张量的秩将在axis的每个条目中减少1。如果keep_dims为true，则缩小的维度将保留为1。如果axis没有条目，则会减少所有维度，并返回具有单个元素的张量。

举例：

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）

参数：

• input_tensor：张量减少。应该有数字类型。
• axis：要减小的维度。如果为None（默认），则减少所有维度。必须在[-rank(input_tensor), rank(input_tensor))范围内。
• keep_dims：如果为true，则保留长度为1的减少尺寸。
• name：操作的名称（可选）。
• reduction_indices：axis的弃用名称。

返回：

减少的张量。

功能：

计算log（sum（exp（张量的各维数的元素）））。 

说明：

按照给定的axis上的维度减少input_tensor。除非keep_dims是true，否则张量的秩在axis上的每一项都减少1。如果keep_dims为 true，则减少的尺寸将保留为1。如果axis没有条目，则缩小所有维度，并返回具有单个元素的张量。这个函数在数值上比 log（sum（exp（input）））更稳定。它避免了大量输入的 exp 引起的溢出和小输入日志带来的下溢。

举例：

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）

参数：

• input_tensor：要减少的张量。应该有数字类型。
• axis：要减小的尺寸。如果为None（默认），则将缩小所有尺寸。必须在[-rank(input_tensor), rank(input_tensor))范围内。
• keep_dims：如果为true，则保留长度为1的缩小维度。
• name：操作的名称（可选）。
• reduction_indices：axis的废弃的名称。

返回：

结果返回减少的张量，相当于np.prod

功能：

此函数计算一个张量的各个维度上元素的乘积。 

说明：

函数中的input_tensor是按照axis中已经给定的维度来减少的；除非 keep_dims 是true，否则张量的秩将在axis的每个条目中减少1；如果keep_dims为true，则减小的维度将保留为长度1。 如果axis没有条目，则缩小所有维度，并返回具有单个元素的张量。

看完上述内容，是不是对怎么使用Tensorflow中的降维函数tf.reduce_*有进一步的了解，如果还想学习更多内容，欢迎关注亿速云行业资讯频道。