tensorflow学习之常用函数：tf.reduce_mean，tf.reduce_sum

前沿

学习TensorFlow的时候，经常要编写损失函数的代码，经常需要用到tf.reduce_mean,tf.reduce_sum等函数。

reduce_max

求最大值tf.reduce_max(input_tensor, reduction_indices=None, keep_dims=False, name=None)

参数1--input_tensor:待求值的tensor。

参数2--reduction_indices:在哪一维上求解。表示函数的处理维

若reduction_indices=[0]:  表示在对行进行操作，将行进行压缩。将每一行全部进行biji比较码如下：

若reduction_indices=[1]:表示对列进行操作，将列进行压缩。将每一列全部进行比较，具体代码如下：

import tensorflow as tf 

arr = tf.constant([1, 2, 3, 4, 5, 6],shape=[2, 3])  
sess=tf.Session()
print(sess.run(arr))
print(sess.run(tf.reduce_mean(arr,reduction_indices=[0])))

arr：[[1 2 3]
 [4 5 6]]

若reduction_indices=[0]：结果为[4 5 6]

若reduction_indices=[1]：结果为[3  6] 

      需要注意的一点，在很多的时候，我们看到别人的代码中并没有reduction_indices这个参数，此时该参数取默认值None，将把input_tensor降到0维，也就是一个数                                          

参数（3）（4）可忽略

reduce_sum

求平均值tf.reduce_mean(input_tensor, reduction_indices=None, keep_dims=False, name=None)

参数同上：