ValueError：1维输入的无效缩减维1答案

【问题标题】：ValueError: Invalid reduction dimension 1 for input with 1 dimensionsValueError：1维输入的无效缩减维1
【发布时间】：2017-03-31 00:14:14
【问题描述】：

tf.reduce_mean() 函数对数组元素求和，使得 axis 参数中引用的索引。

在以下代码中：

import tensorflow as tf

x = tf.Variable([1, 2, 3])
init = tf.global_variables_initializer()

sess = tf.Session()
sess.run(init)

所以对于这条线

print(sess.run(tf.reduce_sum(x)))

输出为：6

为了生成相同的输出，我需要对所有元素求和以减少列数。所以我需要设置 axis = 1 对吗？

print(sess.run(tf.reduce_sum(x, 1)))

但我得到一个错误：

ValueError: 1 维输入的缩减维度 1 无效

但是如果我设置axis = 0，我得到6。这是为什么呢？

【问题讨论】：

【解决方案1】：

你得到的错误是ValueError: Invalid reduction dimension 1 for input with 1 dimensions。这几乎意味着如果你不能减少一维张量的维数。

对于 N x M 张量，设置axis = 0 将返回一个1xM 张量，设置axis = 1 将返回一个Nx1 张量。考虑以下来自 tensorflow 文档的示例：

# 'x' is [[1, 1, 1]
#         [1, 1, 1]]
tf.reduce_sum(x) ==> 6
tf.reduce_sum(x, 0) ==> [2, 2, 2]
tf.reduce_sum(x, 1) ==> [3, 3]

【讨论】：

因为它是一个行向量？但是当我将轴参数更改为 0（行）时，我得到 6。这是为什么呢？
正如lordingtar 上面解释的那样，在设置axis=1 时，您说TF 沿1-D 减少，这显然会引发错误。在我看来，您一方面误解了什么是“行”，而另一方面又误解了什么是“列”。

【解决方案2】：

“请注意，选择张量中最后一个轴的一种方法是使用负索引 (axis=-1)”

【讨论】：

您好，欢迎来到 Stack Overflow！您能否详细说明，将此答案更多地与用户的问题联系起来？似乎在问题中他们的张量是一维数组。如果它是 2D 或更大的数组，您的回答会有所帮助。