Python tf.compat.v1.reduce_mean用法及代码示例

计算张量维度上元素的平均值。

用法

tf.compat.v1.reduce_mean(
    input_tensor, axis=None, keepdims=None, name=None, reduction_indices=None,
    keep_dims=None
)

参数

input_tensor 要减少的张量。应该是数字类型。
axis 要减小的尺寸。如果None(默认)，减少所有维度。必须在 [-rank(input_tensor), rank(input_tensor)) 范围内。
keepdims 如果为真，则保留长度为 1 的缩减维度。
name 操作的名称(可选)。
reduction_indices 轴的旧(不推荐)名称。
keep_dims keepdims 的已弃用别名。

减少的张量。

通过计算 axis 中各个维度上元素的平均值，沿 axis 中给出的维度减少 input_tensor。除非 keepdims 为真，否则对于 axis 中的每个条目，张量的等级都会减少 1，这必须是唯一的。如果keepdims 为真，则保留缩减的维度，长度为 1。

如果axis 为None，则所有维度都会减少，并返回具有单个元素的张量。

例如：

x = tf.constant([[1., 1.], [2., 2.]])
tf.reduce_mean(x)
<tf.Tensor:shape=(), dtype=float32, numpy=1.5>
tf.reduce_mean(x, 0)
<tf.Tensor:shape=(2,), dtype=float32, numpy=array([1.5, 1.5], dtype=float32)>
tf.reduce_mean(x, 1)
<tf.Tensor:shape=(2,), dtype=float32, numpy=array([1., 2.], dtype=float32)>

numpy 兼容性

相当于 np.mean

请注意np.mean 有一个dtype 参数，可用于指定输出类型。默认情况下这是 dtype=float64 。另一方面，tf.reduce_mean 具有来自 input_tensor 的激进类型推断，例如：

x = tf.constant([1, 0, 1, 0])
tf.reduce_mean(x)
<tf.Tensor:shape=(), dtype=int32, numpy=0>
y = tf.constant([1., 0., 1., 0.])
tf.reduce_mean(y)
<tf.Tensor:shape=(), dtype=float32, numpy=0.5>

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.reduce_mean。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。