如何使用tensorflow中tf.reduce_mean函数

这篇文章主要讲解了如何使用tensorflow中tf.reduce_mean函数，内容清晰明了，对此有兴趣的小伙伴可以学习一下，相信大家阅读完之后会有帮助。

tf.reduce_mean 函数用于计算张量tensor沿着指定的数轴（tensor的某一维度）上的的平均值，主要用作降维或者计算tensor（图像）的平均值。

reduce_mean(input_tensor,
        axis=None,
        keep_dims=False,
        name=None,
        reduction_indices=None)

• 第一个参数input_tensor： 输入的待降维的tensor;
• 第二个参数axis： 指定的轴，如果不指定，则计算所有元素的均值;
• 第三个参数keep_dims：是否降维度，设置为True，输出的结果保持输入tensor的形状，设置为False，输出结果会降低维度;
• 第四个参数name： 操作的名称;
• 第五个参数 reduction_indices：在以前版本中用来指定轴，已弃用; 

以一个维度是2，形状是[2,3]的tensor举例：

import tensorflow as tf
 
x = [[1,2,3],
   [1,2,3]]
 
xx = tf.cast(x,tf.float32)
 
mean_all = tf.reduce_mean(xx, keep_dims=False)
mean_0 = tf.reduce_mean(xx, axis=0, keep_dims=False)
mean_1 = tf.reduce_mean(xx, axis=1, keep_dims=False)
 
 
with tf.Session() as sess:
  m_a,m_0,m_1 = sess.run([mean_all, mean_0, mean_1])
 
print m_a  # output: 2.0
print m_0  # output: [ 1. 2. 3.]
print m_1  #output: [ 2. 2.]

如果设置保持原来的张量的维度，keep_dims=True ，结果：

print m_a  # output: [[ 2.]]
print m_0  # output: [[ 1. 2. 3.]]
print m_1  #output: [[ 2.], [ 2.]]

类似函数还有:

• tf.reduce_sum ：计算tensor指定轴方向上的所有元素的累加和;
• tf.reduce_max  :  计算tensor指定轴方向上的各个元素的最大值;
• tf.reduce_all :  计算tensor指定轴方向上的各个元素的逻辑和（and运算）;
• tf.reduce_any:  计算tensor指定轴方向上的各个元素的逻辑或（or运算）;

看完上述内容，是不是对如何使用tensorflow中tf.reduce_mean函数有进一步的了解，如果还想学习更多内容，欢迎关注亿速云行业资讯频道。