TensorFlow中tf.reduce_mean函数的参数详解与使用示例

tf.reduce_mean 函数概述

tf.reduce_mean 函数用于计算张量（tensor）沿指定数轴（即张量的特定维度）的平均值，主要应用于数据降维或计算图像张量的平均强度。

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

• 第一个参数 input_tensor：指定需要处理的输入张量。
• 第二个参数 axis：指定计算的轴向；若未指定该参数，则计算所有元素的总体平均值。
• 第三个参数 keep_dims：控制输出是否保留原始维度。若设为 True，输出结果将保持输入张量的形状；若设为 False，输出结果将降低维度。
• 第四个参数 name：为当前操作指定名称标识。
• 第五个参数 reduction_indices：在早期版本中用于指定轴向，目前该参数已被弃用。

以一个维度为2、形状为 [2,3] 的张量为例进行说明：

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.]

若设置保持原始张量维度，即 keep_dims=True，则输出结果如下：

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

相关降维函数对比

此外，TensorFlow 还提供以下类似函数：

• tf.reduce_sum：计算指定轴向所有元素的累加和。
• tf.reduce_max：计算指定轴向各元素的最大值。
• tf.reduce_all：计算指定轴向各元素的逻辑与（and 运算）。
• tf.reduce_any：计算指定轴向各元素的逻辑或（or 运算）。

关于 TensorFlow 中 tf.reduce_mean 函数的使用介绍至此，更多关于该函数的内容可查阅本站往期文章或继续浏览后续相关教程，感谢支持！