【tensorflow】中 tf.reduce_mean函数：求均值

参考文章：
版权声明：本文其中一部分参考了CSDN博主「-牧野-」的原创文章，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/dcrmg/article/details/79797826

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。

tf.reduce_mean 函数

reduce_mean(
    input_tensor,
    axis=None,#axis是“轴”的意思，坐标轴
    keep_dims=False,
    name=None,
    reduction_indices=None
)

参数：

• 参数input_tensor： 输入的待降维的tensor;
• 参数axis： 指定的轴，如果不指定，则计算所有元素的均值;
• 参数keep_dims：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;
• 参数name： 操作的名称;
• 参数 reduction_indices：在以前版本中用来指定轴，已弃用;

以一个维度是2，形状是[2,4]的tensor举例：

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
x = [[30,80,20,30],
      [50,20,30,40]]
 
xx = tf.cast(x,tf.float32)
 
mean_all = tf.reduce_mean(xx, keep_dims=False)
mean_0 = tf.reduce_mean(xx, axis=0, keep_dims=False)
mean_1 = tf.reduce_mean(xx, axis=1, keep_dims=False)
mean_2 = tf.reduce_mean(xx, axis=1, keep_dims=True)#改了keep_dims
 
with tf.Session() as sess:
    m_a,m_0,m_1,m_2 = sess.run([mean_all, mean_0, mean_1,mean_2])
 
print (m_a)    # output: 37.5
print (m_0)    # output: [40. 50. 25. 35.]
print (m_1)   #output:  [40. 35.]
print ("如果设置保持原来的张量的维度，keep_dims=True ，结果：")
print (m_2) 
#output: [[40.]
#         [35.]]

运行结果，加上个人理解：

37.5
[40. 50. 25. 35.]
[40. 35.]
如果设置保持原来的张量的维度，keep_dims=True ，结果：
[[40.]
 [35.]]

x = [[30,80,20,30],
      [50,20,30,40]]

1. 37.5 是把多维数组x，按一维的形式展开，求所有元素的和，再求平均值。
2. [40. 50. 25. 35.] axis=0，按第一维（行）上的元素，每一列都这样做求平均值。
3. [[40.]
   [35.]]
   axis=1，按第二维（列）上的元素，每一行都这样做求平均值。
   当设置选择keep_dims=True ，保持原来的张量的维度时，可以明显的看到结果是个“2*1的列向量”。

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）;