reduce_sum()中的reduction_indices

本文介绍了如何在Python中使用reduction_indices进行张量的维度坍塌,通过实例展示了如何在不同维度上进行加法运算,包括一维和二维张量的情况。重点在于理解张量的reduction_indices参数在sum操作中的作用。

原文链接:https://blog.csdn.net/qq_34062683/article/details/84847821

reduction_indices,直译过来就是指“坍塌维度”,即按照哪个维度进行加法运算。

如:

由于square(y-x)=[1,4,9,16],是个一维向量(张量),所以reduction_indices只能设为0,设其他会报错。运算结果是30,也就是1维坍塌为0维。

将xy换成二维张量试试:

此时,square(y-x)=[[1,4,9,16],[1,4,9,16]],各位猜测一下结果是多少呢?没错,就是按照0维坍塌,即“行”,即原来的n行变1行,即按行进行sum,答案为[2,8,18,32]。

举一反三,如果reduction_indices=[1]呢?

 

 

 

 

 

答案是:[30,30],可以理解为[[30],[30]]。

over。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值