现在tf1.7好像没有找到这个函数,但是却可以用,哎,谷歌API做的有点不专业啊。我翻了以前的文档里面有关于它的介绍:
tf.reduce_prod 函数
reduce_prod(
input_tensor,
axis=None,
keep_dims=False,
name=None,
reduction_indices=None
)
定义在:tensorflow/python/ops/math_ops.py。
请参阅指南:数学函数>减少
此函数计算一个张量的各个维度上元素的乘积。
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。
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。
numpy兼容性
相当于np.prod
TensorFlow函数:tf.reduce_sum
tf.reduce_sum 函数
reduce_sum ( input_tensor , axis = None , keep_dims = False , name = None , reduction_indices = None )
定义在:tensorflow/python/ops/math_ops.py。
请参阅指南:数学函数>减少
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。
例如:
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
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。
numpy兼容性
相当于np.sum
https://blog.csdn.net/fu6543210/article/details/80221748
TensorFlow函数:tf.reduce_mean
tf.reduce_mean 函数
reduce_mean(
input_tensor,
axis=None,
keep_dims=False,
name=None,
reduction_indices=None
)
定义在:tensorflow/python/ops/math_ops.py。
请参阅指南:数学函数>减少
计算张量的各个维度上的元素的平均值。
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。
例如:
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.]
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。
numpy兼容性
相当于np.mean
TensorFlow函数:tf.reduce_max
tf.reduce_max 函数
reduce_max(
input_tensor,
axis=None,
keep_dims=False,
name=None,
reduction_indices=None
)
定义在:tensorflow/python/ops/math_ops.py。
请参阅指南:数学函数>减少
计算一个张量的各个维度上元素的最大值。
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。
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。
numpy兼容性
相当于np.max。
TensorFlow函数:tf.reduce_min
tf.reduce_min 函数
reduce_min(
input_tensor,
axis=None,
keep_dims=False,
name=None,
reduction_indices=None
)
定义在:tensorflow/python/ops/math_ops.py。
请参阅指南:数学函数>减少
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。
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。
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。
numpy兼容性
相当于np.min