Syntaks:
tf.Mean (Tensor_input, Axis)
Parameter:
1. tensor_input er en tensor som har numeriske elementer.
Det kan være 1 eller 2 dimensjonal.
2. Hvis tensoren er todimensjonal, er det mulig å spesifisere aksen for å få gjennomsnittet på tvers av rader eller kolonner.
Hvis Axis = 0, returneres det totale gjennomsnittet kolonnemessig, og hvis Axis = 1, returneres det totale gjennomsnittet radmessig.
Hvis aksen ikke er spesifisert, vil den returnere gjennomsnittet av alle elementer.
Komme tilbake
Returner en tensor med gjennomsnittet.
Eksempel 1:
La oss lage en endimensjonal tensor i JS som har heltallverdier og avkastningsgjennomsnitt.
Linux hint
Tensorflow.JS - TF.mener()
Produksjon:
Arbeider:
(34+56+78+90)/4 = 64.5
Eksempel 2:
La oss lage en tensor som har to dimensjoner i JS med 4 rader og 2 kolonner som har heltallverdier og returgjennomsnitt på tvers av kolonner.
Linux hint
Tensorflow.JS - TF.mener()
Produksjon:
Arbeider:
Tensor [[1,2], [3,4], [5,6], [7,8]]
=>
(1+3+5+7)/4 => 16/4 = 4
(2+4+6+8)/4 => 20/4 = 5
Eksempel 3:
La oss lage en tensor som har to dimensjoner i JS med 1 rad og 2 kolonner som har heltallverdier og returgjennomsnitt på tvers av rader.
Linux hint
Tensorflow.JS - TF.mener()
Produksjon:
Arbeider:
Tensor [[1], [3]]
=>
1
3.
Siden det bare er ett element i hver rad, kommer det selv tilbake.
Eksempel 4:
La oss lage en tensor som har to dimensjoner i JS med 4 rader og 2 kolonner som har heltallverdier og returnerer det totale gjennomsnittet i alle rader og kolonner.
Linux hint
Tensorflow.JS - TF.mener()
Produksjon:
Arbeider:
Tensor [[34, 56], [78, 90], [1, 0], [3, 4]]
=>
(34+56+78+90+1+0+3+4)/8 = 33.25.
Konklusjon
I denne tensorflow.JS -opplæring, vi har sett hvordan vi kan returnere det totale gjennomsnittet av elementer som er til stede i en tensor ved hjelp av TF.Mean () Metode. I en 2D-tensor, hvis Axis = 0, returneres det totale gjennomsnittet kolonnemessig, og hvis Axis = 1, returneres det totale gjennomsnittet. Som standard vil det returnere gjennomsnittet av alle elementer over rader og kolonner.