tensorflow 计算均值和方差

我们在处理矩阵数据时，需要用到数据的均值和方差，比如在batch normalization的时候。

那么，tensorflow中计算均值和方差的函数是：tf.nn.moments(x, axes)

x:　我们待处理的数据

axes： 在哪一个维度上求解，是一个list，如axes=[0, 1, 2]

举例：

 1 def calc_mean_variance():
 2     """
 3         计算均值和方差
 4     :return:
 5     """
 6     img = tf.Variable(tf.random_normal([2, 3]))
 7     t = len(img.get_shape())
 8     axis = list(range(len(img.get_shape()) - 1))
 9     mean, variance = tf.nn.moments(img, axes=0)
10     with tf.Session() as sess:
11         sess.run(tf.global_variables_initializer())
12         print(sess.run(img))
13         print(sess.run([mean, variance]))

输出：

 

注意，以下是统计轴的个数：

axis = list(range(len(img.get_shape()) - 1))

转载于:https://www.cnblogs.com/demo-deng/p/10207694.html