tf.reduce_mean

标签：int   strong   运算   降维   2.0   逻辑或   max   指定   最大   

tf.reduce_mean 函数用于计算张量tensor沿着指定的数轴（tensor的某一维度）上的的平均值，主要用作降维或者计算tensor的平均值。

reduce_mean(input_tensor,
                axis=None,
                keepdims=False,
                name=None,
                reduction_indices=None)

第一个参数input_tensor： 输入的待降维的tensor;
第二个参数axis： 指定的轴，如果不指定，则计算所有元素的均值;
第三个参数keepdims：是否降维度，设置为True，输出的结果保持输入tensor的形状，设置为False，输出结果会降低维度;
第四个参数name： 操作的名称;
第五个参数 reduction_indices：在以前版本中用来指定轴，已弃用;

示例1
keepdims=False 时：

import tensorflow as tf

x = [[1,2,3],
      [1,2,3]]

xx = tf.cast(x,tf.float32)

mean_all = tf.reduce_mean(xx, keepdims=False)
mean_0 = tf.reduce_mean(xx, axis=0, keepdims=False)
mean_1 = tf.reduce_mean(xx, axis=1, keepdims=False)


with tf.Session() as sess:
    print("mean_all:",sess.run(mean_all))
    print("mean_0:", sess.run(mean_0))
    print("mean_1:", sess.run(mean_1))

执行结果：

mean_all: 2.0
mean_0: [1. 2. 3.]
mean_1: [2. 2.]

示例2
keepdims=True时：

import tensorflow as tf

x = [[1,2,3],
      [1,2,3]]

xx = tf.cast(x,tf.float32)

mean_all = tf.reduce_mean(xx, keepdims=True)
mean_0 = tf.reduce_mean(xx, axis=0, keepdims=True)
mean_1 = tf.reduce_mean(xx, axis=1, keepdims=True)


with tf.Session() as sess:
    print("mean_all:",sess.run(mean_all))
    print("mean_0:", sess.run(mean_0))
    print("mean_1:", sess.run(mean_1))

执行结果：

mean_all: [[2.]]
mean_0: [[1. 2. 3.]]
mean_1: [[2.] [2.]]

类似函数还有:

• tf.reduce_sum ：计算tensor指定轴方向上的所有元素的累加和;
• tf.reduce_max : 计算tensor指定轴方向上的各个元素的最大值;
• tf.reduce_all : 计算tensor指定轴方向上的各个元素的逻辑和（and运算）;
• tf.reduce_any: 计算tensor指定轴方向上的各个元素的逻辑或（or运算）;

tf.reduce_mean

标签：int   strong   运算   降维   2.0   逻辑或   max   指定   最大   

原文地址：https://www.cnblogs.com/chay/p/10551342.html