python中张量切片中的值之和

我在python/tensorflow中工作。我有一个张量x（4维），想求张量切片上的和

np.sum(x[:,:,:,0])

我得到了错误

ValueError: setting an array element with a sequence.

---

我做错了什么？

假设您使用的是TF 1.x，您不能对TF张量（在TF 1.x中）执行简单的numpy操作。相反，请执行以下操作

import tensorflow as tf
x = tf.random_normal(shape=[10, 5, 3, 2])
res = tf.reduce_sum(tf.gather(x, 0, axis=-1))

with tf.Session() as sess:
  r = sess.run(res)

---

假设您使用的是TF1.x，就不能对TF张量（在TF1.x中）执行简单的numpy操作。相反，请执行以下操作

import tensorflow as tf
x = tf.random_normal(shape=[10, 5, 3, 2])
res = tf.reduce_sum(tf.gather(x, 0, axis=-1))

with tf.Session() as sess:
  r = sess.run(res)

---

当我使用x=

np.random.random\u sample（（5,3,2,2））

和其他数字生成np数组时，这段代码对我来说效果很好。

x

是什么样子的？张量x是卷积神经网络的输出。告诉我们关于

x

、

shape

和

dtype

。x={tensor}张量（“concatenate_16/concat:0”，shape=（？，？，64），dtype=float32）的情况？是因为我使用的数据集中的所有图像的分辨率都不同。在训练过程中，我在计算损失函数时需要这个求和运算。当我写K.sum（x[：，：，：，0]）时，我得到一个shape（）和dtype float32的张量，这可能会有正确的值。但是我想要一个数字而不是张量，因为我想用它进行计算……当我使用x=

np.random.random\u sample（（5,3,2,2））

和其他数字生成np数组时，这段代码对我来说很好用。

x

是什么样子的？张量x是卷积神经网络的输出。告诉我们关于

x

、

shape

和

dtype

。x={tensor}张量（“concatenate_16/concat:0”，shape=（？，？，64），dtype=float32）的情况？是因为我使用的数据集中的所有图像的分辨率都不同。在训练过程中，我在计算损失函数时需要这个求和运算。当我写K.sum（x[：，：，：，0]）时，我得到一个shape（）和dtype float32的张量，这可能会有正确的值。但是我想要一个数字而不是张量，因为我想用它来计算。。。