tf.reduce_mean()

最新推荐文章于 2024-01-14 10:37:31 发布

爱抠脚的coder

最新推荐文章于 2024-01-14 10:37:31 发布

阅读量3.4k

点赞数

分类专栏： tensorflow 文章标签： tf.reduce_mean()

本文链接：https://blog.csdn.net/m0_37393514/article/details/82351785

版权

本文介绍了TensorFlow中的tf.reduce_mean()函数，主要用于计算张量的平均值。函数原型说明了axis参数的使用，以及keep_dims选项如何影响结果的形状。通过实例解析了如何对不同维度进行求平均操作，特别是在图像领域的应用，例如对第二和第三维度求平均。

摘要由CSDN通过智能技术生成

一、函数原型

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

参数：

input_tensor:需要计算平均值的张量

axis:需要计算平均值的轴，如果为None，所有的维度都需要求平均值，当然咯，如果你给他提供参数了，这个参数值必须在[-rank(input_tensor),rank(input_tensor)之间。

keepdims:除非keep_dims是True，否则张量的秩将在axis的每个条目中减少1。如果keep_dims为True，则缩小的维度将保留为1。

name:可选，也就是操作的名字

keep_dims:keepdims弃用的化名

就拿四维的数据进行讨论，因为一般在计算机视觉的领域的数据shape都是[batch_size,height,width,channels],

import tensorflow as tf
import numpy as np
a=np.arange(24,dtype=np.float32).reshape([2,2,2,3])
a_0=tf.reduce_mean(a,[0])
a_1=tf

关注

专栏目录