我怎样才能求n个张量的平均值？将它们相加并将结果除以 N。得到具有相同形状的张量

Question

我正在使用Python 3.7.7。和张量流 2.1.0。我是新手。我有 N 个具有形状的张量(1, 12, 12, 512)，我想对每个数组求和以获得具有相同形状的张量(1, 12, 12, 512)。然后除以N。这些张量是编码器的输出，摘要如下：_________________________________________________________________Layer (type)                 Output Shape              Param #   =================================================================input_1 (InputLayer)         [(None, 200, 200, 1)]     0         _________________________________________________________________conv1_1 (Conv2D)             (None, 200, 200, 64)      1664      _________________________________________________________________conv1_2 (Conv2D)             (None, 200, 200, 64)      102464    _________________________________________________________________pool1 (MaxPooling2D)         (None, 100, 100, 64)      0         _________________________________________________________________conv2_1 (Conv2D)             (None, 100, 100, 96)      55392     _________________________________________________________________conv2_2 (Conv2D)             (None, 100, 100, 96)      83040     _________________________________________________________________pool2 (MaxPooling2D)         (None, 50, 50, 96)        0         _________________________________________________________________conv3_1 (Conv2D)             (None, 50, 50, 128)       110720    _________________________________________________________________conv3_2 (Conv2D)             (None, 50, 50, 128)       147584    _________________________________________________________________pool3 (MaxPooling2D)         (None, 25, 25, 128)       0         _________________________________________________________________conv4_1 (Conv2D)             (None, 25, 25, 256)       295168    我一直在寻找，但我只找到了tf.math.reduce_mean并且我认为它没有做我想做的事。我该怎么做？更新：我想我可以使用tf.math.add_n对所有张量求和，然后将结果张量除以 N。但我不确定。

Answer 1

看起来您只是在寻找 0 轴的平均值？

import tensorflow as tf

x = tf.random.uniform((100, 12, 12, 512), 0, 1, dtype=tf.int32)

tf.reduce_mean(x, axis=0, keepdims=True)

结果形状：

TensorShape([1, 12, 12, 512])

如果您正在处理 shape 的张量列表(1, 12, 12, 512)，则效果是相同的：

x = [tf.random.uniform((1, 12, 12, 512), 0, 1, dtype=tf.int32) for i in range(10)]

tf.reduce_mean(x, axis=0)

TensorShape([1, 12, 12, 512])