tf.compat.v1.reduce_mean

Вычисляет среднее значение элементов по измерениям тензора.

tf.compat.v1.reduce_mean(
    input_tensor,
    axis=None,
    keepdims=None,
    name=None,
    reduction_indices=None,
    keep_dims=None
)

Используется в блокнотах

Применяет операцию input_tensor вдоль измерений, указанных в axis, вычисляя среднее значение элементов по измерениям в axis. Если keepdims не равно true, ранг тензора уменьшается на 1 для каждой записи в axis, которые должны быть уникальными. Если keepdims равно true, уменьшенные измерения сохраняются с длиной 1.

Если axis равно None, все измерения уменьшаются, и возвращается тензор с одним элементом.

Например:

x = tf.constant([[1., 1.], [2., 2.]])
tf.reduce_mean(x)
<tf.Tensor: shape=(), dtype=float32, numpy=1.5>
tf.reduce_mean(x, 0)
<tf.Tensor: shape=(2,), dtype=float32, numpy=array([1.5, 1.5], dtype=float32)>
tf.reduce_mean(x, 1)
<tf.Tensor: shape=(2,), dtype=float32, numpy=array([1., 2.], dtype=float32)>

Эквивалентно np.mean

Обратите внимание, что у np.mean есть параметр dtype, который можно использовать для указания типа выходного значения. По умолчанию это dtype=float64. С другой стороны, tf.reduce_mean имеет агрессивную инференцию типа из input_tensor, например:

x = tf.constant([1, 0, 1, 0])
tf.reduce_mean(x)
<tf.Tensor: shape=(), dtype=int32, numpy=0>
y = tf.constant([1., 0., 1., 0.])
tf.reduce_mean(y)
<tf.Tensor: shape=(), dtype=float32, numpy=0.5>