TensorFlow tf.reduce_mean函數

tf.reduce_mean 函數用于計算張量tensor沿着指定的數軸（tensor的某一次元）上的的平均值，主要用作降維或者計算tensor（圖像）的平均值。

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

• 第一個參數input_tensor： 輸入的待降維的tensor;
• 第二個參數axis： 指定的軸，如果不指定，則計算所有元素的均值;
• 第三個參數keepdims：是否降次元，設定為True，輸出的結果保持輸入tensor的形狀，設定為False，輸出結果會降低次元;
• 第四個參數name： 操作的名稱;
• 第五個參數 reduction_indices：在以前版本中用來指定軸，已棄用;
• 第六個參數 keep_dims：keepdims參數的别名，已棄用。

以一個次元是2，形狀是[4,4]的tensor舉例：

import tensorflow as tf

x = [[1,2,3,4],
     [5,6,7,8]]

xx = tf.cast(x,tf.float32)

mean_all = tf.reduce_mean(xx, keepdims=False)
mean_0 = tf.reduce_mean(xx, axis=0, keepdims=False)
mean_1 = tf.reduce_mean(xx, axis=1, keepdims=False)


with tf.Session() as sess:
    m_a,m_0,m_1 = sess.run([mean_all, mean_0, mean_1])

print(m_a)    # output: 4.5，所有元素求平均值
print(m_0)    # output: [3. 4. 5. 6.]，每列求平均值
print(m_1)    #output:  [2.5 6.5]，每行求平均值
           

如果設定保持原來的張量的次元，keepdims=True ，結果：

print(m_a)    # output: [[4.5]]
print(m_0)    # output: [[3. 4. 5. 6.]]
print(m_1)    #output:  [[2.5][6.5]]
           

類似函數還有:

• tf.reduce_sum ：計算tensor指定軸方向上的所有元素的累加和;
• tf.reduce_max  :  計算tensor指定軸方向上的各個元素的最大值;
• tf.reduce_all :  計算tensor指定軸方向上的各個元素的邏輯和（and運算）;
• tf.reduce_any:  計算tensor指定軸方向上的各個元素的邏輯或（or運算）;

參考：https://blog.csdn.net/dcrmg/article/details/79797826