如何利用tf.math.reduce()将TensorFlow张量缩减至指定通道数？

针对你要把形状为(batches, h, w, d, 15)的张量缩减为(batches, h, w, d, 5)的需求，核心思路是先拆分多余的通道维度，再在拆分出的子维度上求和，具体步骤如下：

• 步骤1：重塑张量拆分通道
  把最后一维的15个通道拆分为(5, 3)的结构，让每3个待合并的通道归为一组：

  import tensorflow as tf
  
  # 假设输入张量为input_tensor，形状是(batches, h, w, d, 15)
  reshaped = tf.reshape(input_tensor, shape=(-1, h, w, d, 5, 3))
  

  这里的-1会自动匹配batch维度，无需手动指定具体数值。

• 步骤2：在子维度上求和合并
  对最后新增的维度（每组的3个通道）执行求和操作，得到目标形状：

  output_tensor = tf.reduce_sum(reshaped, axis=-1)
  

  指定axis=-1表示对最后一个维度求和，求和后该维度会被消除，最终输出形状就是(batches, h, w, d, 5)。

灵活适配写法 #

如果不想手动计算通道拆分倍数，可用动态计算适配任意整数倍的通道缩减需求：

y = 5  # 目标通道数
x = input_tensor.shape[-1]  # 原始通道数
split_num = x // y
reshaped = tf.reshape(input_tensor, shape=(*input_tensor.shape[:-1], y, split_num))
output_tensor = tf.reduce_sum(reshaped, axis=-1)

内容的提问来源于stack exchange，提问作者OPRESTON