tf.reduce_mean()

最新推荐文章于 2024-01-14 10:37:31 发布

转载最新推荐文章于 2024-01-14 10:37:31 发布 · 54 阅读

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/fpzs/p/10141737.html

本文详细介绍了TensorFlow中tf.reduce_mean函数的使用方法，包括如何计算张量的平均值，以及如何通过指定参数实现不同的降维操作。同时，还对比了其他相似函数的功能，如tf.reduce_sum、tf.reduce_max等。

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（图像）的平均值。

reduce_mean(input_tensor,
axis=None,
keep_dims=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keep_dims：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;
以一个维度是2，形状是[3,3]的tensor举例：

import tensorflow as tf

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

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

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

with tf.Session() as sess:
m_a,m_0,m_1 = sess.run([mean_all, mean_0, mean_1])

print m_a # output: 2.0
print m_0 # output: [ 1. 2. 3.]
print m_1 #output: [ 2. 2.]
如果设置保持原来的张量的维度，keep_dims=True ，结果：

print m_a # output: [[ 2.]]
print m_0 # output: [[ 1. 2. 3.]]
print m_1 #output: [[ 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）;
---------------------
作者：-牧野-
来源：优快云
原文：https://blog.youkuaiyun.com/dcrmg/article/details/79797826
版权声明：本文为博主原创文章，转载请附上博文链接！

转载于:https://www.cnblogs.com/fpzs/p/10141737.html