TensorFlow中的tf.reduce_xxx

笔者今天学习自定义损失函数的时候，遇到了tf.reduce_mean,然后去tensorflow的官方手册中查了一下，发现在tf.math下面，其实不止有tf.reduce_mean，还有一系列tf.reduce_xxx

1. tf.reduce_xxx简介

以tf.reduce_mean 为例，该函数用于计算张量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。
其实除了平均值外，还有很多优化过程中要用的类似函数：

这里是官方手册中所有reduce_类的函数，根据需求选择即可

2.tf.reduce_mean详解

tf.math.reduce_mean(
    input_tensor, axis=None, keepdims=False, name=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keepdims：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。

来，举个例子：

x = tf.constant([[1., 1.], [2., 2.]])
print(tf.reduce_mean(x))
print(tf.reduce_mean(x, 0))
print(tf.reduce_mean(x, 1))

结果：

tf.Tensor(1.5, shape=(), dtype=float32)
tf.Tensor([1.5 1.5], shape=(2,), dtype=float32)
tf.Tensor([1. 2.], shape=(2,), dtype=float32)

3. 用途

这一类函数，主要用于在神经网络中定义损失函数的时候用，比如：

def customized_mse(y_true,y_test):
    return tf.reduce_mean(tf.square(y_true - y_test))

详细的应用可见：TensorFlow2.0入门到进阶中的3.5