TensorFlow tf.reduce_mean函数

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,
                keepdims=None,
                name=None,
                reduction_indices=None,
                keep_dims=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;
• 第五个参数 reduction_indices：在以前版本中用来指定轴，已弃用;
• 第六个参数 keep_dims：keepdims参数的别名，已弃用。

以一个维度是2，形状是[4,4]的tensor举例：

import tensorflow as tf

x = [[1,2,3,4],
     [5,6,7,8]]

xx = tf.cast(x,tf.float32)

mean_all = tf.reduce_mean(xx, keepdims=False)
mean_0 = tf.reduce_mean(xx, axis=0, keepdims=False)
mean_1 = tf.reduce_mean(xx, axis=1, keepdims=False)


with tf.Session() as sess:
    m_a,m_0,m_1 = sess.run([mean_all, mean_0, mean_1])

print(m_a)    # output: 4.5，所有元素求平均值
print(m_0)    # output: [3. 4. 5. 6.]，每列求平均值
print(m_1)    #output:  [2.5 6.5]，每行求平均值

如果设置保持原来的张量的维度，keepdims=True ，结果：

print(m_a)    # output: [[4.5]]
print(m_0)    # output: [[3. 4. 5. 6.]]
print(m_1)    #output:  [[2.5][6.5]]

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）;

参考：https://blog.csdn.net/dcrmg/article/details/79797826