TensorFlow函數(shù)：tf.sparse_reduce_sum

tf.sparse_reduce_sum 函數(shù)

sparse_reduce_sum(
    sp_input,
    axis=None,
    keep_dims=False,
    reduction_axes=None
)

定義在：tensorflow/python/ops/sparse_ops.py.

參見(jiàn)指南：稀疏張量>減少

計(jì)算 SparseTensor 各個(gè)維度上元素的總和.

這個(gè)操作需要一個(gè) SparseTensor,并且是 tf.reduce_sum() 的稀疏對(duì)應(yīng).特別是,這個(gè)操作也返回一個(gè)稠密的 Tensor 而不是一個(gè)稀疏的.

沿著 reduction_axes 給定的維度減少 sp_input.除非 keep_dims 為真,否則 reduction_axes 中的每個(gè)條目的張量的秩都減少了1.如果 keep_dims 屬實(shí),那么減少的維度將保留為1.

如果 reduction_axes 沒(méi)有條目,則減少所有維度,并返回具有單個(gè)元素的張量.另外,軸可以是負(fù)的,類(lèi)似于 Python 中的索引規(guī)則.

例如：

# 'x' represents [[1, ?, 1]
#                 [?, 1, ?]]
# where ? is implicitly-zero.
tf.sparse_reduce_sum(x) ==> 3
tf.sparse_reduce_sum(x, 0) ==> [1, 1, 1]
tf.sparse_reduce_sum(x, 1) ==> [2, 1]  # Can also use -1 as the axis.
tf.sparse_reduce_sum(x, 1, keep_dims=True) ==> [[2], [1]]
tf.sparse_reduce_sum(x, [0, 1]) ==> 3

函數(shù)參數(shù)：

• sp_input：需要減少的 SparseTensor,應(yīng)該是數(shù)字類(lèi)型.
• axis：要減少的維度；列表或標(biāo)量.如果為 None(默認(rèn)),則減少所有的維度.
• keep_dims：如果為 true,則保留長(zhǎng)度為1的減少維度.
• reduction_axes：軸的棄用名稱(chēng).

函數(shù)返回值：

tf.sparse_reduce_sum函數(shù)返回減少的張量.