版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/j___t/article/details/88587884
tf.reduce_mean
函数原型
tf.reduce_mean(
input_tensor, #被执行降维求平均的张量
axis=None, #进行求平均的轴,0为行维,1为列维
keepdims=None, #是否保持维度,如果为True,则保留维度,并且此维度的长度为1
name=None,
reduction_indices=None, #进行求平均的轴,0为行间,1为列间(deprecated)
keep_dims=None #是否保持维度,如果为True,则保留维度,并且此维度的长度为1
)
功能
对于给定的维度进行求平均操作,如果axis = 0,则对于所有数据求和并输出0维的数
例子
import tensorflow as tf
x = tf.constant([[1., 1., 1.], [2., 2., 2.]])
with tf.Session() as sess:
print(sess.run(tf.reduce_mean(x))) #1.5
print(sess.run(tf.reduce_mean(x, 0))) #[1.5 1.5 1.5]
print(sess.run(tf.reduce_mean(x, 1))) #[1. 2.]
print(sess.run(tf.reduce_mean(x, 0, True))) #[[1.5 1.5 1.5]]
print(sess.run(tf.reduce_mean(x, 1, True))) #[[1.][2.]]
tf.reduce_mean
函数原型
tf.random_uniform(
shape, #一个一维数组,表示输出的形状
minval=0, #输出tensor数据的最小值,included
maxval=None, #输出tensor数据的最大值,excluded,如果是float则默认是1
dtype=tf.float32, #数据类型
seed=None, #随机种子
name=None
)
功能
输出指定shape的均匀分布tensor
例子
import tensorflow as tf
with tf.Session() as sess:
print(sess.run(tf.random_uniform([2, 3], 2, 3, tf.float32, 100)))
#[[2.9617498 2.4491813 2.5127077][2.8348918 2.5473433 2.80997]]