Trong MNIST beginner tutorial, có accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
Sự khác nhau giữa np.mean và tf.reduce_mean trong Numpy và Tensorflow?
tf.cast
về cơ bản thay đổi loại tensor đối tượng là, nhưng sự khác biệt giữa tf.reduce_mean
và np.mean
là gì?
Đây là doc trên tf.reduce_mean
:
reduce_mean(input_tensor, reduction_indices=None, keep_dims=False, name=None)
input_tensor: The tensor to reduce. Should have numeric type.
reduction_indices: The dimensions to reduce. If `None` (the defaut),
reduces all dimensions.
# 'x' is [[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.]
Đối với một vector 1D, nó trông giống như np.mean == tf.reduce_mean
nhưng tôi không hiểu những gì đang xảy ra trong tf.reduce_mean(x, 1) ==> [1., 2.]
. tf.reduce_mean(x, 0) ==> [1.5, 1.5]
loại có ý nghĩa, vì trung bình của [1,2] và [1,2] là [1,5,1,5] nhưng điều gì đang xảy ra với tf.reduce_mean(x,1)
?
họ sản xuất [kết quả khác nhau trên các giá trị số nguyên] (http://stackoverflow.com/a/43713062/1090562) do bộ phận trong python –