tf.reduce_* 应用理解

最新推荐文章于 2023-01-06 15:11:54 发布

原创最新推荐文章于 2023-01-06 15:11:54 发布 · 479 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow #python

Python 同时被 2 个专栏收录

53 篇文章

订阅专栏

Tensorflow 学习笔记

34 篇文章

订阅专栏

本文介绍了TensorFlow中的tf.reduce_* API，重点解析了如何使用tf.reduce_mean进行张量的数学计算，例如在图像的通道上求平均值。通过示例展示了在不同维度上应用该操作，如将彩色图像转换为灰度图像，以及在引入batch维度后的全局平均池化操作。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

tf.reduce_*系列是tensorflow中对张量计算最常用的一个API，主要作用就是对指定维度的张量进行数学计算，并降维（指定维度数值计算后消失）
以tf.reduce_mean为例，能对指定维度进行求均值操作

tf.reduce_mean(
    input_tensor, axis=None, keepdims=False, name=None
)

参数	注解
input_tensor	输入
axis	指定维度，如果为None（默认），对所有维度进行操作
keepdims	保持原有输入维度，即指定降维维度保持长度为1
name	命名

比如第一张高4, 宽4，3色的图

img1 = tf.random.normal([4,4,3])

在3色通道(axis=2)求平均后

tf.reduce_mean(img1, axis=2)

<tf.Tensor: shape=(5, 4), dtype=float32, numpy=
array([[-0.9854448 , -1.0194012 , 1.4945674 , -3.3110707 ],
[ 1.5118184 , 1.2675568 , -0.02910066, -2.9339857 ],
[ 2.526368 , 0.7716782 , -0.24042308, -1.1135492 ],
[ 0.81224906, 1.0296633 , 1.6201943 , 2.174279 ],
[ 0.06326652, 0.9522829 , -1.2772858 , -2.5536993 ]],
dtype=float32)>

axis维度求均值后消失，变成一个高5，宽4的灰度图

再比如对于同一张图片，引入batch维度后

img2 = tf.random.normal([1,4,4,3])

对画面的高和宽取全局平均

tf.reduce_mean(img2, axis=[1,2])

<tf.Tensor: shape=(1, 3), dtype=float32, numpy=array([[-0.29505053, 0.18306601, 0.0032706 ]], dtype=float32)>

此操作过程与GlobalAveragePooling2D相同

tf.keras.layers.GlobalAveragePooling2D()(img2)