Tensorflow函数学习笔记1---tf.reduce_mean

tf.reduce_mean(#沿着axis维度求平均
    input_tensor,#输入
    axis=None,#表示在哪个维度进行sum操作。 
    keep_dims=False,#当值为False时，相当于执行完后原始数据就会减少一个维度；而为True时，表示要保留原始数据的维度。
    name=None,
    reduction_indices=None,#axis的废弃的名称。    )

1、关键是前两个参数，它可等价于np.mean,但np中有类型参数，默认为float64，而tf中的类型由输入的tensor类型决定；
（1）x = tf.constant([1, 0, 1, 0])
   tf.reduce_mean(x)  # 0（输入tensor全是整数，所以默认为整型） 
（2）y = tf.constant([1., 0., 1., 0.])
   tf.reduce_mean(y)  # 0.5（输入tensor全是浮点，所以默认为浮点型）  

2、如果没有指定axis，则默认对所有元素求平均；axis=0，对每一列取平均值；axis=1，对每一行取平均值 ；
  x = tf.constant([[1., 1.], [2., 2.]])
（1）tf.reduce_mean(x)  # 1.5等价于tf.reduce_mean(x,[0,1])
（2）tf.reduce_mean(x, 0)  # [1.5  1.5]
（3）tf.reduce_mean(x, 1)  # [1.  2.]

3、keep_dims=True时，表示要保留原始数据的维度；
（4）tf.reduce_mean(x, keep_dims=True)  # [[1.5]]
（5）tf.reduce_mean(x, 0, keep_dims=True)  # [[1.5 1.5]]
（6）tf.reduce_mean(x, 1, keep_dims=True)  # [[1.] 
                                                                              [2.]]                                                                            

4、当数据维度为3时；
x = tf.constant([[[1., 1, 1], [2., 2, 2]], [[3, 3, 3], [4, 4, 4]]])
（1）tf.reduce_mean(x, 0) # [[2 2 2][3 3 3]]
（2）tf.reduce_mean(x, 1) # [[1.5 1.5 1.5][3.5 3.5 3.5]]
（3）tf.reduce_mean(x, 2) # [[1. 2.][3. 4.]]
（4）tf.reduce_mean(x, [0, 1]) # [2.5 2.5 2.5]
（输入维度[2,2,3],下面指定沿[0,1]维度取平均，首先对第1维度取平均，得到[[2,2,2],[3,3,3]],然后对第2维度取平均，得[2.5,2.5,2.5]）
（5）tf.reduce_mean(x, [0, 2]) # [2. 3.] 
（输入维度[2,2,3],下面指定沿[0,2]维度取平均，首先对第1维度取平均，得到[[2,2,2],[3,3,3]],然后对第3 维度取平均，得[2. 3.]
（6）tf.reduce_mean(x, [1, 2]) # [2.5 2.5 2.5]
（输入维度[2,2,3],下面指定沿[1,2]维度取平均，首先对第2维度取平均，得到[[1.5,1.5,1.5],[3.5,3.5,3.5]],然后对第3维度取平均，得[1.5. 3.5]）

5、类似的结构函数：tf.reduce_sum(求和)、tf.reduce_max(最大值)、tf.reduce_min(最小值)

另外：如果在编写CSDN博客的时候，发现行间距格式不一致的时候，您可以尝试使用（shift+回车键）哦！