Minskningsåtgärder

Minska indata, t.ex. beräkningssumma eller medelvärde över element.

ReduceSum (x, axis=None)
ReduceLogSum (x, axis=None)
ReduceMean (x, axis=None)
ReduceMax (x, axis=None)
ReduceMin (x, axis=None)

Parametrar

• x: data för att minska
• axis (standard: None): om det anges utför du endast en minskning längs den här axeln. Det här värdet är 1-baserat. dvs. 1 står för den första statiska axeln i x.

Returvärde

Reducerat värde. För axis=1 (standard) är detta en skalär. Om en axel anges minskas den axeln till dimension 1.

Description

Dessa funktioner beräknar aggregat (summa, medelvärde osv.) över alla värden för en indatavektor eller tensor. Tillgängliga sammansättningar är:

• ReduceSum(): summan över elementen
• ReduceLogSum(): summan över element i loggrepresentationer (logC = log (exp (logA) + exp (logB)))
• ReduceMean(): medelvärdet över elementen
• ReduceMax(): det maximala värdet för elementen
• ReduceMin(): minimivärdet

Som standard sker aggregeringen över alla element. Om det gäller en tensor med rangordning>1 anger den valfria axis parametern en enskild axel som minskningen utförs över. Till exempel axis=2 skulle en [M x N]-dimensionell matris aggregeras över alla kolumner, vilket ger ett [M x 1] resultat.

Minska över sekvenser

Om indata är en sekvens utförs reduceringen separat för varje sekvensobjekt. Dessa åtgärder stöder inte minskning av sekvenser. I stället kan du uppnå detta med en upprepning. Om du till exempel vill summera alla element i en sekvens xkan du säga:

sum = x + PastValue (0, sum, defaultHiddenActivation=0)

och för maximal poolning kan du använda

max = Max(x, PastValue (0, max, defaultHiddenActivation=0))

Exempel

Normalisera ett värde genom att subtrahera medelvärdet av dess element (t.ex. som en del av lagernormaliseringen):

mean = ReduceMean (x)
xNorm = x - mean

Eller så kan korsentropi med softmax-kriterium definieras manuellt med hjälp av ReduceLogSum():

myCrossEntropyWithSoftmax (y/*label*/, z/*logit*/) = ReduceLogSum (z) - ReduceSum (y .* z)