tf.reduce_sum 对轴 = -1 有什么作用？

Question

我不明白为什么以下代码的输出是[7 56].

import tensorflow as tf

x = tf.constant([[1, 2, 4], [8, 16, 32]])
a = tf.reduce_sum(x, -1)  # [ 9 18 36]

with tf.Session() as sess:
  output_a = sess.run(a)
  print(output_a)

我知道按行添加已经完成。但也有人能够解释为什么一些轻-1的reduce_sum功能已被处理，总结行中的所有值？

Answer 1

-1表示最后一个轴；由于您有一个秩为 2 的张量，因此最后一个轴是第二个轴，即沿着行；tf.reduce_sumwithaxis=-1将因此减少（求和）第二个维度。

Answer 2

我运行你的代码，实际上给了我一个不同的答案：

import tensorflow as tf
x = tf.constant([[1, 2, 4], [8, 16, 32]])
a = tf.reduce_sum(x, -1)  
tf.print(a)

答案是[7,56]，加上1+2+4=7，8+16+32=56。

axis：要减小的尺寸。我的理解：

1. “-1”表示最后一个轴或尺寸。

tf.reduce_sum(x, -1) 等于 tf.reduce_sum(x, 1) ，因为只有 2 维。

2. 尺寸为 2*3（2 行*3 列）。目标是删除最后一个维度“3”，结果应该是 2 行：

[[7] [56]]

由于这里没有 'keepdims=True'，[] 将被删除，我们得到结果 [7,56]

3. 您可以测试这个例子。注意：这里的“-1”和“1”是不同的。

y = tf.constant([[[1, 2, 4], [1, 0, 3]],[[1,2,3],[2,2,1]]]) c = tf.reduce_sum(y, 1) # if (y,-1) will be [[7,4],[6,5]] tf.print(c) #[[2 2 7], [3 4 4]]