tf.reduce_max 与 reduce 系列 API

reduce 可以理解为 python 里的 reduce 函数；

tensorflow 中有很多 reduce_ API，其用法完全相同

 

tf.reduce_max

以这个为例进行说明

def reduce_max(input_tensor,
                  axis=None,
                  keepdims=None,
                  name=None,
                  reduction_indices=None,
                  keep_dims=None):
  """Computes the maximum of elements across dimensions of a tensor.

求指定维度上的最大值

input_tensor：输入数据，tensor、array、dataframe 都可以

axis：维度，0 表示 列，1 表示行，-1 表示最后一个维度，可以是标量和列表

keepdims：bool 值，按原维度输出

reduction_indices：等价于 axis，已废弃

 

示例

data = tf.constant([[1, 2],
                    [3, 4],
                    [2, 5]])
print(data.shape)       # (3, 2)
out1 = tf.reduce_max(data, axis=0)      ### 第 0 个维度即 每列最大值
out2 = tf.reduce_max(data, axis=1)      ### 第 1 个维度即 每行最大值
out3 = tf.reduce_max(data, axis=0, keepdims=True)       ### 保持原维度
out4 = tf.reduce_max(data, reduction_indices=[1])   ### 等价于 axis=1
out5 = tf.reduce_max(data, axis=[0, 1]) ### 多个维度最大值

sess = tf.Session()
print(sess.run(out1))       # [3 5]
print(sess.run(out2))       # [2 4 5]
print(sess.run(out3))       # [[3 5]]
print(sess.run(out4))       # [2 4 5]
print(sess.run(out5))       # 5

 

reduce_

tf.reduce_min：最小

tf.reduce_sum：求和

tf.reduce_mean：均值

tf.reduce_all：计算张量在维度上的逻辑和

tf.reduce_any：在张量的维度上计算元素的 逻辑或 

 

 

 

参考资料：