tf.reduce_mean

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

计算元素跨张量维数的平均值。(弃用参数)有些论点是不赞成的。它们将在未来的版本中被删除。更新说明:不推荐使用keep_dims，而是使用keepdims沿着坐标轴给出的维数减少input_张量。除非keepdims为真，否则对于轴上的每一项，张量的秩都会减少1。如果keepdims为真，则使用长度1保留缩减后的维度。如果轴为空，则所有维数都被缩减，并返回一个只有一个元素的张量。

例:

x = tf.constant([[1., 1.], [2., 2.]])
tf.reduce_mean(x)  # 1.5
tf.reduce_mean(x, 0)  # [1.5, 1.5]
tf.reduce_mean(x, 1)  # [1.,  2.]

参数:

• input_张量: 要减少的张量。应该具有数值类型。
• axis: 要缩小的尺寸。如果没有(默认值)，则减少所有维度。必须在[-rank(input_张量)，rank(input_张量)]范围内。
• keepdims: 如果为真，则保留长度为1的缩减维度。
• name: 操作的名称(可选)。
• reduction_indices: axis的旧名称(已弃用)。
• keep_dims: keepdims的弃用别名。

返回值:

• 减少的张量。

Numpy兼容性:

相当于np.mean有一个dtype参数，可用于指定输出类型。默认情况下，这是dtype=float64。另一方面，tf。reduce_mean有一个来自input_tensor的攻击类型推断，例如:

x = tf.constant([1, 0, 1, 0])
tf.reduce_mean(x)  # 0
y = tf.constant([1., 0., 1., 0.])
tf.reduce_mean(y)  # 0.5

原链接: https://tensorflow.google.cn/versions/r1.11/api_docs/python/tf/reduce_mean?hl=en