tf.compat.v1.reduce_mean用法

tf.compat.v1.reduce_mean：计算跨张量维度的元素的均值。

tf.compat.v1.reduce_mean(
    input_tensor, axis=None, keepdims=None, name=None, reduction_indices=None,
    keep_dims=None
)

通过计算各个维度axis的元素平均值，沿给定的维度axis减少input_tensor。除非keepdims为true，否则对于axis中的每个条目，张量的等级都会降低1。如果keepdims为true，则减小的维度将保留为长度1。

如果axis为None，则缩小所有维度，并返回带有单个元素的张量。

import tensorflow as tf

with tf.Session() as sess:
    x = tf.constant([[1., 1.], [2., 2.]])
    a = tf.reduce_mean(x)
    print(a)
    print(sess.run(a))
    b = tf.reduce_mean(x, 0)
    print(b)
    print(sess.run(b))
    c = tf.reduce_mean(x, 0)
    print(c)
    print(sess.run(c))

# 输出结果：
# Tensor("Mean:0", shape=(), dtype=float32)
# 1.5
# Tensor("Mean_1:0", shape=(2,), dtype=float32)
# [1.5 1.5]
# Tensor("Mean_2:0", shape=(2,), dtype=float32)
# [1.5 1.5]

import tensorflow as tf

with tf.Session() as sess:
    x = tf.constant([[1., 1.], [2., 2.]])
    print(tf.reduce_mean(x))
    print(sess.run(tf.reduce_mean(x)))
    print(tf.reduce_mean(x, 0))
    print(sess.run(tf.reduce_mean(x, 0)))
    print(tf.reduce_mean(x, 1))
    print(sess.run(tf.reduce_mean(x, 1)))

# 输出结果：
# Tensor("Mean:0", shape=(), dtype=float32)
# 1.5
# Tensor("Mean_2:0", shape=(2,), dtype=float32)
# [1.5 1.5]
# Tensor("Mean_4:0", shape=(2,), dtype=float32)
# [1. 2.]

 

Args
input_tensor	要减少的张量。 应为数字类型。
axis	要减少的维度。如果为None（默认），减少所有的维度。必须在范围 [-rank(input_tensor),rank(input_tensor)]中。
keepdims	如果为true，则保留长度为1的减少维度。
name	操作的名称（可选）。
reduction_indices	轴的旧名称（不建议使用）。
keep_dims	不推荐使用的别名keepdims。

Returns
缩减的张量。

numpy兼容性：相当于np.mean

请注意，np.mean具有一个可用于指定输出类型的dtype参数。默认情况下为dtype=float64。另一方面，tf.reduce_mean具有来自input_tensor的激进类型推断，例如：

import tensorflow as tf

with tf.Session() as sess:
    x = tf.constant([1, 0, 1, 0])
    x_ = tf.reduce_mean(x)
    print(x_)
    print(sess.run(x_))

    y = tf.constant([1., 0., 1., 0.])
    y_ = tf.reduce_mean(y)
    print(y_)
    print(sess.run(y_))


# 输出结果：
# Tensor("Mean:0", shape=(), dtype=int32)
# 0
# Tensor("Mean_1:0", shape=(), dtype=float32)
# 0.5

即，tf.reduce_mean返回与input_tensor相同的数据类型。