tf.reduce_mean()与np.mean()的区别

参考网站：https://stackoverflow.com/questions/34236252/what-is-the-difference-between-np-mean-and-tf-reduce-mean
tf.reduce_mean()与np.mean()实现的计算是一样的，但是相互的区别，通过以下实验可知：

# tensorflow.__version__=='1.15.4'
import tensorflow as tf
import numpy as np

###########################a
print('a:')
a = np.array([[3.,4], [5.,6], [6.,7]])
print(np.mean(a,1))

Meana = tf.reduce_mean(a,1)
with tf.Session() as sess:
    resulta = sess.run(Meana)
    print(resulta)

###########################b
print('b:')
b = np.array([[3.,4], [5.,6], [6.,7]])
print(np.mean(b))

Meanb = tf.reduce_mean(b)
with tf.Session() as sess:
    resultb = sess.run(Meanb)
    print(resultb)

###########################c
print('c:')
c = np.array([[3,4], [5,6], [6,7]])
print(np.mean(c))
print('the int output:',np.mean(c,dtype=np.int))
Meanc = tf.reduce_mean(c)
with tf.Session() as sess:
    resultc = sess.run(Meanc)
    print(resultc)

a:
[3.5 5.5 6.5]
[3.5 5.5 6.5]
b:
5.166666666666667
5.166666666666667
c:
5.166666666666667
the int output: 5
5

例a：实验axis的设置在求mean当中相同
例b：实验默认axis在求mean当中相同
例c：值没有小数点表示为int型，所以tf.reduce_mean结果不同
通过查看tf.reduce_mean的文档可知：


在np.mean当中默认的输出数值类型dtype是float64，所以输入是int型时，输出不受影响。

在tf.reduce_mean当中，输出数值类型来自对输入数值的推断，如实验c当中所示，tf.reduce_mean通过推断得出输入数值类型为int型，所以输出类型也为int型。

在使用深度学习当中计算损失值的时候，由于输入数值的问题可能造成模型的生成失败。