博客

tf.reduce_min() 函数用于计算张量中元素的最小值，可以指定计算的维度，返回最小值所在的张量。具体的方法和参数解释如下：

tf.reduce_min(
    input_tensor,
    axis=None,
    keepdims=None,
    name=None,
    reduction_indices=None,
    **kwargs
)

参数解释：

• input_tensor：待计算最小值的张量；
• axis：指定按照哪个维度计算，如果为 None 则计算整个张量上的最小值；
• keepdims：是否保留计算维度，如果为 True 则计算后张量的维度不变；
• name：名称；
• reduction_indices：已弃用，请使用 axis 参数代替。

下面举两个例子，说明tf.reduce_min()的使用。

例子1

import tensorflow as tf

# 定义一个张量
x = tf.constant([[1, 2], [3, 4]])

# 计算整个张量上的最小值
min_x = tf.reduce_min(x)

with tf.Session() as sess:
    print(sess.run(min_x))

输出结果：

1

例子2

import tensorflow as tf

# 定义一个张量
x = tf.constant([[1, 2], [3, 4]])

# 按照列的方向计算最小值
min_x_axis_0 = tf.reduce_min(x, axis=0)

with tf.Session() as sess:
    print(sess.run(min_x_axis_0))

输出结果：

[1 2]

以上就是使用 tf.reduce_min() 函数的完整攻略，希望对您有帮助。