ValueError：无效的归约维数1用于1维的输入

Question

该tf.reduce_mean()函数以轴参数中引用的索引的方式对数组的元素求和。

在下面的代码中：

import tensorflow as tf

x = tf.Variable([1, 2, 3])
init = tf.global_variables_initializer()

sess = tf.Session()
sess.run(init)

所以对于线

print(sess.run(tf.reduce_sum(x)))

输出为：6

为了生成相同的输出，我需要对所有元素求和以减少列数的方式。所以我需要设置axis = 1对吗？

print(sess.run(tf.reduce_sum(x, 1)))

但是我得到一个错误：

ValueError：无效的归约维数1用于1维的输入

但是，如果将axis设置为0，则得到6。这是为什么？

Answer 1

您得到的错误是ValueError: Invalid reduction dimension 1 for input with 1 dimensions。这几乎意味着如果您无法缩小一维张量的维数。

对于N x M张量，设置轴= 0将返回1xM张量，而设置轴= 1将返回Nx1张量。考虑来自tensorflow文档的以下示例：

# 'x' is [[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]