Python tf.compat.v1.nn.sufficient_statistics用法及代码示例

计算 x 的均值和方差的充分统计量。

用法

tf.compat.v1.nn.sufficient_statistics(
    x, axes, shift=None, keep_dims=None, name=None, keepdims=None
)

参数

x 一个Tensor。
axes 整数数组。沿其计算均值和方差的轴。与 Python 一样，轴也可以是负数。负轴被解释为从等级的末尾开始计数，即轴 + 等级(值)-th 维度。
shift 一个Tensor，包含为数值稳定性移动数据的值，如果不执行移动，则为None。接近真实平均值的偏移提供了数值上最稳定的结果。
keep_dims 生成与输入具有相同维度的统计信息。
name 用于计算足够统计信息的操作范围的名称。
keepdims keep_dims 的别名。

四Tensor相同类型的对象x：
- 计数(要平均的元素数)。
- 数组中元素的(可能移位的)总和。
- 数组中元素的(可能偏移的)平方和。
- 如果shift 为无，则必须校正平均值的偏移或无。

这些足够的统计数据是使用单次算法对可选移位的输入进行计算的。见：https://en.wikipedia.org/wiki/Algorithms_for_calculating_variance#Computing_shifted_data

例如：

t = [[1, 2, 3], [4, 5, 6]]
sufficient_statistics(t, [1])
(<tf.Tensor:shape=(), dtype=int32, numpy=3>, <tf.Tensor:shape=(2,),
dtype=int32, numpy=array([ 6, 15], dtype=int32)>, <tf.Tensor:shape=(2,),
dtype=int32, numpy=array([14, 77], dtype=int32)>, None)
sufficient_statistics(t, [-1])
(<tf.Tensor:shape=(), dtype=int32, numpy=3>, <tf.Tensor:shape=(2,),
dtype=int32, numpy=array([ 6, 15], dtype=int32)>, <tf.Tensor:shape=(2,),
dtype=int32, numpy=array([14, 77], dtype=int32)>, None)

相关用法

注：本文由纯净天空筛选整理自tensorflow.org大神的英文原创作品 tf.compat.v1.nn.sufficient_statistics。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法

参数

返回

例如：