快捷導(dǎo)航

tensorflow中tf.reduce_mean函數(shù)的使用

更新時(shí)間：2020年04月19日 11:28:41 作者：-牧野-

這篇文章主要介紹了tensorflow中tf.reduce_mean函數(shù)的使用，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧

tf.reduce_mean 函數(shù)用于計(jì)算張量tensor沿著指定的數(shù)軸（tensor的某一維度）上的的平均值，主要用作降維或者計(jì)算tensor（圖像）的平均值。

reduce_mean(input_tensor,
        axis=None,
        keep_dims=False,
        name=None,
        reduction_indices=None)

第一個(gè)參數(shù)input_tensor：輸入的待降維的tensor;
第二個(gè)參數(shù)axis：指定的軸，如果不指定，則計(jì)算所有元素的均值;
第三個(gè)參數(shù)keep_dims：是否降維度，設(shè)置為True，輸出的結(jié)果保持輸入tensor的形狀，設(shè)置為False，輸出結(jié)果會(huì)降低維度;
第四個(gè)參數(shù)name：操作的名稱;
第五個(gè)參數(shù) reduction_indices：在以前版本中用來(lái)指定軸，已棄用;

以一個(gè)維度是2，形狀是[2,3]的tensor舉例：

import tensorflow as tf
 
x = [[1,2,3],
   [1,2,3]]
 
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)
 
 
with tf.Session() as sess:
  m_a,m_0,m_1 = sess.run([mean_all, mean_0, mean_1])
 
print m_a  # output: 2.0
print m_0  # output: [ 1. 2. 3.]
print m_1  #output: [ 2. 2.]

如果設(shè)置保持原來(lái)的張量的維度，keep_dims=True ，結(jié)果：

print m_a  # output: [[ 2.]]
print m_0  # output: [[ 1. 2. 3.]]
print m_1  #output: [[ 2.], [ 2.]]

類似函數(shù)還有:

tf.reduce_sum ：計(jì)算tensor指定軸方向上的所有元素的累加和;
tf.reduce_max : 計(jì)算tensor指定軸方向上的各個(gè)元素的最大值;
tf.reduce_all : 計(jì)算tensor指定軸方向上的各個(gè)元素的邏輯和（and運(yùn)算）;
tf.reduce_any: 計(jì)算tensor指定軸方向上的各個(gè)元素的邏輯或（or運(yùn)算）;

到此這篇關(guān)于tensorflow中tf.reduce_mean函數(shù)的使用的文章就介紹到這了,更多相關(guān)tensorflow tf.reduce_mean內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章:

相關(guān)文章

基于Python實(shí)現(xiàn)多語(yǔ)言朗讀與單詞選擇測(cè)驗(yàn)
在數(shù)字化教育日益普及的今天,開發(fā)一款能夠支持多語(yǔ)言朗讀和單詞選擇測(cè)驗(yàn)的程序,對(duì)于語(yǔ)言學(xué)習(xí)者來(lái)說(shuō)無(wú)疑是一個(gè)巨大的福音,下面我們就來(lái)用Python實(shí)現(xiàn)一個(gè)這樣的小程序吧
2025-03-03
Django實(shí)現(xiàn)將一個(gè)字典傳到前端顯示出來(lái)
這篇文章主要介紹了Django實(shí)現(xiàn)將一個(gè)字典傳到前端顯示出來(lái)，具有很好的參考價(jià)值，希望
2020-04-04
Python可視化Matplotlib介紹和簡(jiǎn)單圖形的繪制
這篇文章主要介紹了Python可視化Matplotlib介紹和簡(jiǎn)單圖形的繪制，文中附含詳細(xì)示例代碼，有需要的朋友可以借鑒參考下，希望能夠有所幫助
2021-09-09
python 使用pandas計(jì)算累積求和的方法
今天小編就為大家分享一篇python 使用pandas計(jì)算累積求和的方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
2019-02-02
5行Python代碼實(shí)現(xiàn)圖像分割的步驟詳解
這篇文章主要介紹了5行Python代碼實(shí)現(xiàn)圖像分割的步驟詳解，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧
2020-05-05
Python如何用字典完成匹配任務(wù)
在生物信息學(xué)領(lǐng)域,經(jīng)常需要根據(jù)基因名稱匹配其對(duì)應(yīng)的編號(hào),本文介紹了一種通過(guò)字典進(jìn)行基因名稱與編號(hào)匹配的方法,首先定義一個(gè)空列表存儲(chǔ)對(duì)應(yīng)編號(hào),對(duì)于字典中不存在的基因名稱,其編號(hào)默認(rèn)為0
2024-09-09
python快速查找算法應(yīng)用實(shí)例
這篇文章主要介紹了python快速查找算法,是一個(gè)比較經(jīng)典的算法應(yīng)用,有一定的借鑒價(jià)值,需要的朋友可以參考下
2014-09-09
使用Python隨機(jī)生成數(shù)據(jù)的方法
這篇文章主要介紹了使用Python隨機(jī)生成數(shù)據(jù)的方法,在日常開發(fā)中竟然會(huì)遇到需要測(cè)試大量數(shù)據(jù)的地方,那么隨機(jī)生成數(shù)據(jù)就可以有效的加快我們的效率,通過(guò)Python_Faker生成測(cè)試數(shù)據(jù)需要安裝Faker包,需要的朋友可以參考下
2023-10-10
python中的json數(shù)據(jù)和pyecharts模塊入門示例教程
JSON是一種輕量級(jí)的數(shù)據(jù)交互格式?？梢园凑?JSON指定的格式去組織和封裝數(shù)據(jù)，這篇文章主要介紹了python中的json數(shù)據(jù)和pyecharts模塊入門,需要的朋友可以參考下
2022-12-12
PYQT5設(shè)置textEdit自動(dòng)滾屏的方法
今天小編就為大家分享一篇PYQT5設(shè)置textEdit自動(dòng)滾屏的方法，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
2019-06-06