tf.math.reduce_mean(
input_tensor, axis=None, keepdims=False, name=None
)
La comprensión de tf.reduce_mean es el promedio. Reducir se refiere a la dimensionalidad de una serie de datos después del promedio. ¿No es así? Una serie de vectores se convierte en un número, y la dimensión disminuye naturalmente
API URL
https://tensorflow.google.cn/api_docs/python/tf/math/reduce_mean?hl=en
Usado en los cuadernos
tf.math.reduce_mean(
input_tensor, axis=None, keepdims=False, name=None
)
Usado en los cuadernos
Usado en la guía |
Usado en los tutoriales |
|
|
Reduce a lo input_tensor largo de las dimensiones dadas en axis . A menos que keepdims sea cierto, el rango del tensor se reduce en 1 por cada entrada en axis . Si keepdims es cierto, las dimensiones reducidas se conservan con la longitud 1. Si axis es Ninguno, todas las dimensiones se reducen y se devuelve un tensor con un solo elemento. Por ejemplo: 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.]
Args:
input_tensor : El tensor para reducir. Debe tener tipo numérico.
axis : Las dimensiones a reducir. Si None (el valor predeterminado), reduce todas las dimensiones. Debe estar en el rango [-rank(input_tensor), rank(input_tensor)) .
keepdims : Si es cierto, conserva dimensiones reducidas con longitud 1.
name : Un nombre para la operación (opcional).
Devoluciones: El tensor reducido. Compatibilidad Numpy Equivalente a np.mean Tenga en cuenta que np.mean tiene un dtype parámetro que podría usarse para especificar el tipo de salida. Por defecto esto es dtype=float64 . Por otro lado, tf.reduce_mean tiene una inferencia de tipo agresiva de input_tensor , por ejemplo: 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 |
|
|
|
Reduce a lo input_tensor
largo de las dimensiones dadas en axis