tensorflow中的一些函数 tf.reduce,tf.argmax,tf.equal

tensorflow中 tf.reduce_mean函数

2018年04月03日 08:44:42 -牧野- 阅读数：18695

 版权声明：本文为博主原创文章，转载请注明出处。 https://blog.csdn.net/dcrmg/article/details/79797826

tf.reduce_mean 函数用于计算张量tensor沿着指定的数轴（tensor的某一维度）上的的平均值，主要用作降维或者计算tensor（图像）的平均值。

1. reduce_mean(input_tensor,

2. axis=None,

3. keep_dims=False,

4. name=None,

5. reduction_indices=None)

• 第一个参数input_tensor： 输入的待降维的tensor;
• 第二个参数axis： 指定的轴，如果不指定，则计算所有元素的均值;
• 第三个参数keep_dims：是否降维度，设置为True，输出的结果保持输入tensor的形状，设置为False，输出结果会降低维度;
• 第四个参数name： 操作的名称;
• 第五个参数 reduction_indices：在以前版本中用来指定轴，已弃用;

以一个维度是2，形状是[3,3]的tensor举例：

1. import tensorflow as tf

2.  

3. x = [[1,2,3],

4. [1,2,3]]

5.  

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

7.  

8. mean_all = tf.reduce_mean(xx, keep_dims=False)

9. mean_0 = tf.reduce_mean(xx, axis=0, keep_dims=False)

10. mean_1 = tf.reduce_mean(xx, axis=1, keep_dims=False)

11.  
12.  

13. with tf.Session() as sess:

14. m_a,m_0,m_1 = sess.run([mean_all, mean_0, mean_1])

15.  

16. print m_a # output: 2.0

17. print m_0 # output: [ 1. 2. 3.]

18. print m_1 #output: [ 2. 2.]

如果设置保持原来的张量的维度，keep_dims=True ，结果：

1. print m_a # output: [[ 2.]]

2. print m_0 # output: [[ 1. 2. 3.]]

3. print m_1 #output: [[ 2.], [ 2.]]

4.  
5.  
6.  
7.  

类似函数还有:

• tf.reduce_sum ：计算tensor指定轴方向上的所有元素的累加和;
• tf.reduce_max  :  计算tensor指定轴方向上的各个元素的最大值;
• tf.reduce_all :  计算tensor指定轴方向上的各个元素的逻辑和（and运算）;
• tf.reduce_any:  计算tensor指定轴方向上的各个元素的逻辑或（or运算）;

tf.equal的使用

2017年05月16日 00:17:41 UESTC_C2_403 阅读数：38506

tf.equal(A, B)是对比这两个矩阵或者向量的相等的元素，如果是相等的那就返回True，反正返回False，返回的值的矩阵维度和A是一样的

1. import tensorflow as tf

2. import numpy as np

3.  

4. A = [[1,3,4,5,6]]

5. B = [[1,3,4,3,2]]

6.  

7. with tf.Session() as sess:

8. print(sess.run(tf.equal(A, B)))

输出：

[[ True  True  True False False]]

tf.argmax是tensorflow用numpy的np.argmax实现的，它能给出某个tensor对象在某一维上的其数据最大值所在的索引值，常用于metric（如acc）的计算

tf.argmax()函数中有个axis参数（轴），该参数能指定按照哪个维度计算。
如 在矩阵的结构中，axis可被设置为0或1，分别表示
0：按列计算，1：行计算

下面是具体的示例，便于直观理解（因tf.argmax()的axis的用法与numpy中的argmax相同，为方便起见，本文使用了numpy.argmax()用于示例）

1.  

axis=0

当axis=0时，以列为单位，第一列的最大值为索引为3的8，所以第一个值为3，以此类推

1.  

axis=1

当axis=1时，以行为单位，第一行的最大值为索引为2的3，所以第一个结果为2

小礼物走一走，来简书关注我

作者：柴柴总
链接：https://www.jianshu.com/p/1aec70f77b36
来源：简书
简书著作权归作者所有，任何形式的转载都请联系作者获得授权并注明出处。