tf.reduce_mean（）

tf.reduce_mean() 是 TensorFlow 中的一个函数，用于计算张的平均值。它可以用于降维操作，将输入张量的维度进行压缩，并返回一个平均值。

具体来说，tf.reduce_mean() 函数的作用是计算输入张量在指定维度上的平均值。它接受两个参数：input_tensor 和 axis。

- input_tensor：要进行平均值计算的输入张量。
- axis：指定要进行平均值计算的维度。如果不指定该参数，则计算所有元素的平均值；如果指定了该参数，则沿着指定的维度计算平均值。

下面是一个示例代码，展示了如何使用 tf.reduce_mean() 函数：

import tensorflow as tf

# 创建一个输入张量
input_tensor = tf.constant([[1, 2, 3], [4, 5, 6]])

# 计算所有元素的平均值
mean_all = tf.reduce_mean(input_tensor)
print("所有元素的平均值：", mean_all.numpy())

# 沿着第一个维度计算平均值
mean_axis_0 = tf.reduce_mean(input_tensor, axis=0)
print("沿着第一个维度的平均值：", mean_axis_0.numpy())

# 沿着第二个维度计算平均值
mean_axis_1 = tf.reduce_mean(input_tensor, axis=1)
print("沿着第二个维度的平均值：", mean_axis_1.numpy())

输出结果为：

所有元素的平均值： 3
沿着第一个维度的平均值： [2 3 4]
沿着第二个维度的平均值： [2 5]