reduce_sum

paddle.fluid.layers. reduce_sum ( input, dim=None, keep_dim=False, name=None ) [源代码]

该OP是对指定维度上的Tensor元素进行求和运算，并输出相应的计算结果。

参数：

  • input （Variable）- 输入变量为多维Tensor或LoDTensor，支持数据类型为float32，float64，int32，int64。

  • dim （list | int ，可选）- 求和运算的维度。如果为None，则计算所有元素的和并返回包含单个元素的Tensor变量，否则必须在

    reduce_sum - 图1

    范围内。如果

    reduce_sum - 图2

    ，则维度将变为 rank+dim[i]rank+dim[i] ，默认值为None。

  • keep_dim （bool）- 是否在输出Tensor中保留减小的维度。如 keep_dim 为true，否则结果张量的维度将比输入张量小，默认值为False。

  • name （str ， 可选）- 具体用法请参见 Name ，一般无需设置，默认值为None。

返回： 在指定dim上进行求和运算的Tensor，数据类型和输入数据类型一致。

返回类型： 变量（Variable）

代码示例

  1. import paddle.fluid as fluid
  2. # x是一个Tensor，元素如下:
  3. #    [[0.2, 0.3, 0.5, 0.9]
  4. #     [0.1, 0.2, 0.6, 0.7]]
  5. # 接下来的示例中，我们在每处函数调用后面都标注出了它的结果张量。
  6. x = fluid.data(name='x', shape=[2, 4], dtype='float32')
  7. fluid.layers.reduce_sum(x)  # [3.5]
  8. fluid.layers.reduce_sum(x, dim=0)  # [0.3, 0.5, 1.1, 1.6]
  9. fluid.layers.reduce_sum(x, dim=-1)  # [1.9, 1.6]
  10. fluid.layers.reduce_sum(x, dim=1, keep_dim=True)  # [[1.9], [1.6]]
  12. # y 是一个shape为[2, 2, 2]的Tensor元素如下:
  13. #      [[[1, 2], [3, 4]],
  14. #      [[5, 6], [7, 8]]]
  15. # 接下来的示例中，我们在每处函数调用后面都标注出了它的结果张量。
  16. y = fluid.data(name='y', shape=[2, 2, 2], dtype='float32')
  17. fluid.layers.reduce_sum(y, dim=[1, 2]) # [10, 26]
  18. fluid.layers.reduce_sum(y, dim=[0, 1]) # [16, 20]