TensorFlow：tf.reduce_mean(input_tensor, axis=None, keep_dims=False, name=None, reduction_indi...

轉載：https://www.cnblogs.com/yuzhuwei/p/6986171.html

1.概述

在深度學習裏研究的物體的關係，都是比較複雜的。好比一個圖片32X32大小的，它的像素信息就有1024個點，若是考慮RGB三種顏色，就是1024X3了。對於目前尚未辦法構造140億個神經元的計算機來講，只能幹一件事情，就是簡化，化繁爲簡。爲了簡化，就須要使用算法來進行，在數學上最簡單的處理，就是求平均值。這個道理很是簡單，若是10個數，只要把它們相加，再除以10便可。對於0維數字，能夠這樣來計算，若是對於N維的張量，就不是這麼簡單的計算了。就拿二維的矩陣來講，它能夠橫着算，還能夠是豎着算，還能夠所有加到一塊兒，再除以總數。可見對於N維的張量來講，有更多的可能，那麼就得抽像一個數軸出來。數軸在初中的代數就學習了，可見數軸在高等數學裏也會使用到的，N維張量，就是N個數軸的表示，若是沿着不一樣的數軸進行計算，就會產生不一樣的做用。其實平均值也能夠算是降維思想的一種。

在TF裏，就提供了這樣一個算法來計算張量的平均值：

2.tf.reduce_mean

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

沿着張量不一樣的數軸進行計算平均值。

input_tensor: 被計算的張量，確保爲數字類型。

axis: 方向數軸，若是沒有指明，默認是全部數軸都減少爲1。

keep_dims: 若是定義true, 則保留維數，但數量個數爲0.

name: 操做過程的名稱。

reduction_indices: 爲了舊函數兼容的數軸。

返回值:

下降維數的平均值。

3.代碼實現

import tensorflow as tf #建立張量 x = tf.Variable([[1., 2., 3.], [4., 5., 6.], [7., 8., 9.]]); #顯示 init = tf.global_variables_initializer(); with tf.Session() as sess: sess.run(init); #tf.reduce_mean(input_tensor, axis=None, keep_dims=False, name=None, reduction_indices=None) y = tf.reduce_mean(x); y01 = tf.reduce_mean(x, axis=0, keep_dims=False); y02 = tf.reduce_mean(x, axis=0, keep_dims=True); y1 = tf.reduce_mean(x, axis=1); print("x = ", x.eval()); print("tf.reduce_mean(x) = ", y.eval()); print("tf.reduce_mean(x, axis=0, keep_dims=False) = ", y01.eval()); print("tf.reduce_mean(x, axis=0, keep_dims=True) = ", y02.eval()) print("tf.reduce_mean(x, axis=1) = ", y1.eval());

 執行結果：

('x = ', array([[ 1., 2., 3.], [ 4., 5., 6.], [ 7., 8., 9.]], dtype=float32)) ('tf.reduce_mean(x) = ', 5.0) ('tf.reduce_mean(x, axis=0, keep_dims=False) = ', array([ 4., 5., 6.], dtype=float32)) ('tf.reduce_mean(x, axis=0, keep_dims=True) = ', array([[ 4., 5., 6.]], dtype=float32)) ('tf.reduce_mean(x, axis=1) = ', array([ 2., 5., 8.], dtype=float32))

總結：

tf.reduce_mean(x)表示計算全局平均值；

tf.reduce_mean(x, axis=0)表示計算y軸平均值；

tf.reduce_mean(x, axis=1)表示計算x軸平均值；