tf.reducemean()

官方文档说明：
函数：

def reduce_mean(input_tensor,
                axis=None,
                keepdims=None,
                name=None,
                reduction_indices=None,
                keep_dims=None):

参数说明：
input_tensor：需要被降维的tensor
axis：需要被降维的维度，默认为空，则reduce所有维度。
keepdims：如果为true，则保留reduce的维度为1
name :op的名字
返回值：返回一个tensor

函数说明：计算input_tensor的平均值（在axis维度）。

例子：

import tensorflow as tf

x = tf.constant([[1., 1.], [2., 2.]])
sess = tf.Session()
res1 = tf.reduce_mean(x)  # 1.5
res2 = tf.reduce_mean(x, 0)  # [1.5, 1.5]
res3 = tf.reduce_mean(x, 1)  # [1.,  2.]
print('原始数据：')
print(sess.run(x))
print('========================')
print('计算结果：')
print(sess.run(res1))
print(sess.run(res2))
print(sess.run(res3))
print('==========keepdims参数为True==============')
res1 = tf.reduce_mean(x,keepdims=True)  # [[1.5]]
res2 = tf.reduce_mean(x,axis=0, keepdims=True)  # [[1.5 1.5]]
res3 = tf.reduce_mean(x,axis=1, keepdims=True)  # [[1.] [2.]]
print('计算结果：')
print(sess.run(res1))
print(sess.run(res2))
print(sess.run(res3))

print('==========三维==============')
y = tf.constant([[[1., 1.],[2.,2.]], [[3.,3.],[4.,4.]]])
res1 = tf.reduce_mean(y)  #  2.5
res2 = tf.reduce_mean(y, 0)  # [[2. 2.] [3. 3.]]
res3 = tf.reduce_mean(y, 1)  #  [[1.5 1.5] [3.5 3.5]]
res4 = tf.reduce_mean(y, 2)  #  [[1. 2.] [3. 4.]]
print('原始数据：')
print(sess.run(y))
print('计算结果：')
print(sess.run(res1))
print(sess.run(res2))
print(sess.run(res3))
print(sess.run(res4))
sess.close()

打印结果：

原始数据：
[[1. 1.]
[2. 2.]]
========================
计算结果：
1.5
[1.5 1.5]
[1. 2.]
keepdims参数为True====
计算结果：
[[1.5]]
[[1.5 1.5]]
[[1.]
[2.]]
三维====
原始数据：
[[[1. 1.]
[2. 2.]]

[[3. 3.]
[4. 4.]]]
计算结果：
2.5
[[2. 2.]
[3. 3.]]
[[1.5 1.5]
[3.5 3.5]]
[[1. 2.]
[3. 4.]]