tensorflow约化平均值vs numpy平均值

据我所知，tensorflow reduce_mean和numpy mean应返回相同的值，但以下示例返回不同的值：

import numpy as np
import tensorflow as tf

t_1 = tf.constant([1,3,4,5])
t_2 = tf.constant([7,8,9,0])
list_t = [t_1, t_2]
reduced_t_list = tf.reduce_mean(list_t)
sess= tf.Session()
print(sess.run(reduced_t_list))
print(np.mean([1,3,4,5,7,8,9,0]))

output:
4
4.625

猜猜为什么？

来自：

[1,2,3,4]的数据类型是int，而np.mean[1,2,3]默认情况下将其转换为浮点数组

---

请尝试tf.constantnp.arange3.0。

谢谢您的回复。我无法理解为什么数据类型很重要。你认为tensorflow会把4.625轮到4轮吗？是的，整数除法和取多个整数的平均值是先对整数求和，然后在默认情况下对这些整数的总数进行俯冲，例如27//10==2，尽管2.7似乎更接近3。

If the argument dtype is not specified, then the type is inferred from the type of value.