mindspore.ops.ReduceSum
- class mindspore.ops.ReduceSum(keep_dims=False)[源代码]
默认情况下,输出Tensor各维度上的和,以达到对所有维度进行归约的目的。也可以对指定维度进行求和归约。
通过指定 keep_dims 参数,来控制输出和输入的维度是否相同。
参数:
keep_dims (bool) - 如果为True,则保留计算维度,长度为1。如果为False,则不保留计算维度。默认值:False,输出结果会降低维度。
输入:
x (Tensor[Number]) - ReduceSum的输入,其数据类型为Number。shape: \((N, *)\) ,其中 \(*\) 表示任意数量的附加维度。秩应小于8。
axis (Union[int, tuple(int), list(int)]) - 要减少的维度。默认值: (),缩小所有维度。只允许常量值,取值范围[-rank(x), rank(x))。
输出:
Tensor,具有与输入 x 相同的shape。
如果轴为(),且keep_dims为False,则输出一个0维Tensor,表示输入Tensor中所有元素的和。
如果轴为int,取值为2,并且keep_dims为False,则输出的shape为 \((x_1, x_3, ..., x_R)\) 。
如果轴为tuple(int)或list(int),取值为(2, 3),并且keep_dims为False,则输出的shape为 \((x_1, x_4, ..., x_R)\) 。
异常:
TypeError - keep_dims 不是bool。
TypeError - x 不是Tensor。
ValueError - axis 取值为None。
- 支持平台:
Ascend
GPU
CPU
样例:
>>> x = Tensor(np.random.randn(3, 4, 5, 6).astype(np.float32)) >>> op = ops.ReduceSum(keep_dims=True) >>> output = op(x, 1) >>> output.shape (3, 1, 5, 6) >>> # case 1: Reduces a dimension by summing all elements in the dimension. >>> x = Tensor(np.array([[[1, 1, 1, 1, 1, 1], [2, 2, 2, 2, 2, 2], [3, 3, 3, 3, 3, 3]], ... [[4, 4, 4, 4, 4, 4], [5, 5, 5, 5, 5, 5], [6, 6, 6, 6, 6, 6]], ... [[7, 7, 7, 7, 7, 7], [8, 8, 8, 8, 8, 8], [9, 9, 9, 9, 9, 9]]]), mindspore.float32) >>> output = op(x) >>> print(output) [[[270.]]] >>> print(output.shape) (1, 1, 1) >>> # case 2: Reduces a dimension along axis 0. >>> output = op(x, 0) >>> print(output) [[[12. 12. 12. 12. 12. 12.] [15. 15. 15. 15. 15. 15.] [18. 18. 18. 18. 18. 18.]]] >>> # case 3: Reduces a dimension along axis 1. >>> output = op(x, 1) >>> print(output) [[[ 6. 6. 6. 6. 6. 6.]] [[15. 15. 15. 15. 15. 15.]] [[24. 24. 24. 24. 24. 24.]]] >>> # case 4: Reduces a dimension along axis 2. >>> output = op(x, 2) >>> print(output) [[[ 6.] [12.] [18.]] [[24.] [30.] [36.]] [[42.] [48.] [54.]]]