Python tf.compat.v1.reduce_mean用法及代碼示例

計算張量維度上元素的平均值。

用法

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

參數

input_tensor 要減少的張量。應該是數字類型。
axis 要減小的尺寸。如果None(默認)，減少所有維度。必須在 [-rank(input_tensor), rank(input_tensor)) 範圍內。
keepdims 如果為真，則保留長度為 1 的縮減維度。
name 操作的名稱(可選)。
reduction_indices 軸的舊(不推薦)名稱。
keep_dims keepdims 的已棄用別名。

減少的張量。

通過計算 axis 中各個維度上元素的平均值，沿 axis 中給出的維度減少 input_tensor。除非 keepdims 為真，否則對於 axis 中的每個條目，張量的等級都會減少 1，這必須是唯一的。如果keepdims 為真，則保留縮減的維度，長度為 1。

如果axis 為None，則所有維度都會減少，並返回具有單個元素的張量。

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

相當於 np.mean

請注意np.mean 有一個dtype 參數，可用於指定輸出類型。默認情況下這是 dtype=float64 。另一方麵，tf.reduce_mean 具有來自 input_tensor 的激進類型推斷，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.reduce_mean。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。