Python学习：tf.reduce_sum()、tf.reduce_mean()函数以及维度上的操作理解(axis轴)

1、tf.reduce_sum()函数

官方给的API：

tf.reduce_sum 函数

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

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。

返回值及注意：

此函数计算一个张量的各个维度上元素的总和。
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.

官方例子：

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

代码示例：

例1：

import tensorflow as tf
import numpy as np
x = np.array([[[1,2,3],[4,5,6]],[[7,8,9],[10,11,12]]])
x_p = tf.placeholder(tf.int32,[2,2,3])
y =  tf.reduce_sum(x_p,0)           # 修改这里的0，这里的axis可以为0，1，2
with tf.Session() as sess:
    y = sess.run(y,feed_dict={x_p:x})
    print(y)

axis= 0：[[ 8 10 12] [14 16 18]] 
1+7 2+8 3+9 …….. 
axis=1: [[ 5 7 9] [17 19 21]] 
1+4 2+5 3 +6 …. 
axis=2: [[ 6 15] [24 33]] 
1+2+3 4+5+6…..

2、tf.reduce_mean()函数

基本内容和 tf.reduce_sum()函数差不多，tf.reduce_mean()函数是计算平均值的

例2：

import tensorflow as tf
import numpy as np
x = tf.constant([[1.,1.],[2.,2.]])
y = tf.reduce_mean(x,0)        # y = tf.reduce_mean(x,1)
with tf.Session() as sess:
    x = sess.run(y)
    print(y.eval())

y = tf.reduce_mean(x,0)     # [1.5,1.5]      <=      (1+2)/2 = 1.5
y = tf.reduce_mean(x,1)     # [1.,2.]      <=      (1+1)/2 = 1；(2+2)/2 = 2

注：这里的x是 [[1.,1.],[2.,2.]]，若改为[[1,1],[2,2]]则结果不一样！

3、轴（axis）

在numpy中可以理解为方向,使用0，1，2…数字表示，对于一个一维数组，只有一个0轴，对于2维数组(shape(2,2))，有0轴和1轴,对于三维数组(shape(2,2, 3)),有0，1，2轴
——————————————————————————————————————————————————————

参考博客：https://blog.csdn.net/lxg0807/article/details/74625861
https://www.w3cschool.cn/tensorflow_python/tensorflow_python-5y4d2i2n.html
感谢原作者！博客记录学习日常~后续会补充