mindspore.Tensor.sum

mindspore.Tensor.sum(axis=None, dtype=None, keepdims=False, initial=None)[源代码]

返回指定维度上数组元素的总和。

说明

  • 不支持NumPy参数 outwherecastingordersuboksignatureextobj

  • Tensor类型的 axis 仅用作兼容旧版本,不推荐使用。

参数:
  • axis (Union[None, int, tuple(int), list(int), Tensor]) - 指定维度,在该维度方向上进行求和运算。默认值: None 。如果参数值为 None ,会计算输入数组中所有元素的和。如果 axis 为负数,则从最后一维开始往第一维计算。如果 axis 为整数元组或列表,会对该元组或列表指定的所有 axis 方向上的元素进行求和。

  • dtype (mindspore.dtype, 可选) - 默认值为 None 。会覆盖输出Tensor的dtype。

  • keepdims (bool) - 如果这个参数为 True ,被删去的维度保留在结果中,且维度大小设为1。有了这个选项,结果就可以与输入数组进行正确的广播运算。如果设为默认值,那么 keepdims 不会被传递给ndarray子类的sum方法。但是任何非默认值都会被传递。如果子类的方法未实现 keepdims ,则引发异常。默认值: False

  • initial (scalar) - 初始化的起始值。默认值: None

返回:

Tensor。具有与输入相同shape的Tensor,删除了指定的 axis 。如果输入Tensor是零维数组,或 axisNone 时,返回一个标量。

异常:
  • TypeError - input不是Tensor, axis 不是整数、整数元组、整数列表或Tensor, keepdims 不是整数,或者 initial 不是标量。

  • ValueError - 任意 axis 超出范围或存在重复的 axis

其他API参考:
支持平台:

Ascend GPU CPU

样例:

>>> import numpy as np
>>> from mindspore import Tensor
>>> input_x = Tensor(np.array([-1, 0, 1]).astype(np.float32))
>>> print(input_x.sum())
0.0
>>> input_x = Tensor(np.arange(10).reshape(2, 5).astype(np.float32))
>>> print(input_x.sum(axis=1))
[10. 35.]