如何使用线性代数运算在 python 中重写张量流tf.reduce_sum



我正在尝试重写操作tf.reduce_sum操作

tf.reduce_sum(tf.square(self.kernel), [0,1,2], keepdims=False)

仅使用基本线性代数运算。这样做的背景是因为我正在尝试将模型转换为当前不支持reduce_sum操作的张量。

由于reduce_sum运算符几乎只是一个线性运算,因此应该有一种方法可以使用更基本的运算来编写它。不幸的是,我在线性代数或张量流方面不够熟练,无法自己做到这一点,并希望得到一些帮助。

提前非常感谢!

result = numpy.sum(square_output_tensor.numpy((, axis=(0,1,2(, keepdims=False(

这假设你在渴望模式下工作,否则调用 .numpy(( 的方法将不起作用。 相反,对于图形模式,您将使用 tf.py_func。

相关内容

  • 没有找到相关文章

最新更新