Python tf.compat.v1.nn.sufficient_statistics用法及代碼示例

計算 x 的均值和方差的充分統計量。

用法

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

參數

x 一個Tensor。
axes 整數數組。沿其計算均值和方差的軸。與 Python 一樣，軸也可以是負數。負軸被解釋為從等級的末尾開始計數，即軸 + 等級(值)-th 維度。
shift 一個Tensor，包含為數值穩定性移動數據的值，如果不執行移動，則為None。接近真實平均值的偏移提供了數值上最穩定的結果。
keep_dims 生成與輸入具有相同維度的統計信息。
name 用於計算足夠統計信息的操作範圍的名稱。
keepdims keep_dims 的別名。

四Tensor相同類型的對象x：
- 計數(要平均的元素數)。
- 數組中元素的(可能移位的)總和。
- 數組中元素的(可能偏移的)平方和。
- 如果shift 為無，則必須校正平均值的偏移或無。

這些足夠的統計數據是使用單次算法對可選移位的輸入進行計算的。見：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)

相關用法

注：本文由純淨天空篩選整理自tensorflow.org大神的英文原創作品 tf.compat.v1.nn.sufficient_statistics。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法

參數

返回

例如：