tensorflow学习|reduce_sum、reshape、expand_dim、batch_matmul(小记)

最近在看tensorflow Cookbook，记录一下偶尔会记不清的几个api，如果有那里写的不对请多指正！

首先是reduce_sum：

reduce_sum(
    input_tensor,
    axis=None,
    keep_dims=False,
    name=None,
    reduction_indices=None
)

input_tensor：表示输入 

axis：（直译为轴）表示在那个维度进行sum操作。 

keep_dims：表示是否保留原始数据的维度，False相当于执行完后原始数据就会少一个维度。

# '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]
tf.reduce_sum(x, 1, keep_dims=True)# [[3], [3]]
tf.reduce_sum(x, [0, 1])# 6

其次是reshape：

tf.reshape(tensor, shape, name=None) 

tensor：表示输入张量

shape：想要转换为的shape形式

（可以存在一个-1表示缺省值，意思为自动计算，不需要手动输入，例如[-1，1]意思是为转换为n行1列）

# tensor 'tensor' is [1, 2, 3]
tf.reshape(tensor, [-1, 1])''' [[1], 
                             [2], 
                             [3]]'''

其次是expand_dim：

tf.expand_dims(input, dim, name=None)

imput：表示输入张量

dim：维数的索引（-1为最后一维）

# shape of tensor 'tensor' is [3, 2, 3] 注意是tensor的shape
tf.expand_dims(tensor, -1)# shape of tensor 'tensor' is [3, 2, 3, 1]
tf.expand_dims(tensor, 1)# shape of tensor 'tensor' is [3, 1, 2, 3]
tf.expand_dims(tensor, 0)# shape of tensor 'tensor' is [1, 3, 2, 3]

batch_matmul:

 tf.batch_matmul(input_tensorA, input_tensorB)

新版本tf已经移出该函数，使用matmul替换即可达到一样的效果

# 对于三维张量的tA（shape = [a, b, c]）和tB（shape = [a, c, d]） 
tf.batch_matmul(tA, tB)# shape = [a, b, d]

对于三维张量的tA（shape = [a, b, c]）和tB（shape = [a, c, d]）

a为batch_size做批乘法

比如 tA（shape = [10, 4, 6]）和tB（shape = [10, 6, 2]）

结果为 shape = [10, 4, 2]

batch_size保持不变