关于tf.redece_mean中的维度

xytywh

于 2018-07-06 20:46:19 发布

阅读量238

点赞数

CC 4.0 BY-SA版权

分类专栏： TensorFlow 文章标签： tensorflow

本文链接：https://blog.youkuaiyun.com/xiaohuihui1994/article/details/80946057

6 篇文章

订阅专栏

本文详细介绍了TensorFlow中reduce_mean函数的应用方法，并通过四种不同情况下的具体例子，展示了如何针对一维和二维张量计算平均值。此外，还解释了在不同轴上进行操作时返回结果的变化。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

第一种情况：

a=tf.constant([1.0,2.0,3.0])
tf.reduce_mean(a)=tf.reduce_mean(a,0)=  2.0
tf.reduce_mean(1) 不存在 ，因为a只有一维。

第二种情况：

a=tf.constant([[1.0,2.0,3.0]])
tf.reduce_mean(a)=2.0 （所有数的平均值）
tf.reduce_mean(a,0)=  [1.0,2.0,3.0]
tf.reduce_mean(a,1) =[2.0]

第三种情况：

a=tf.constant([[1.0],[2.0],[3.0]])
tf.reduce_mean(a)=2.0 （所有数的平均值）
tf.reduce_mean(a,0)=  [2.0]
tf.reduce_mean(a,1) =[1.0,2.0,3.0]

注意情况1、情况2和情况3的区别

第四种情况：

a=tf.constant([[1.0,2.0,3.0],[4.0,5.0,6.0]])
tf.reduce_mean(a)=3.5（所有数的平均值）
tf.reduce_mean(a,0)=[2.5,3.5,4.5]
tf.reduce_mean(a,1)=[2.0,5.0]