Python 什么'；tf.math.reduce_mean和tf.keras.metrics.mean之间的区别是什么？_Python_Tensorflow_Machine Learning_Deep Learning

Python 什么'；tf.math.reduce_mean和tf.keras.metrics.mean之间的区别是什么？

python tensorflow machine-learning deep-learning

Python 什么'；tf.math.reduce_mean和tf.keras.metrics.mean之间的区别是什么？,python,tensorflow,machine-learning,deep-learning,Python,Tensorflow,Machine Learning,Deep Learning,我不知道该用什么函数。他们看起来一样，做同样的工作。我知道tf.keras.metrics.Mean是metric，但我不能在其他地方使用它吗？tf.keras.metrics.Mean和tf.math.reduce\u Mean的功能略有不同。看看这个例子 #tf.keras.metrics.Mean：案例1 import tensorflow as tf x = tf.constant([[1, 3, 5, 7],[1, 1, 0, 0]]) m = tf.keras.metrics.Me

我不知道该用什么函数。他们看起来一样，做同样的工作。我知道tf.keras.metrics.Mean是metric，但我不能在其他地方使用它吗？

tf.keras.metrics.Mean和tf.math.reduce\u Mean的功能略有不同。看看这个例子

#tf.keras.metrics.Mean：案例1

import tensorflow as tf
x = tf.constant([[1, 3, 5, 7],[1, 1, 0, 0]])
m = tf.keras.metrics.Mean()
m.update_state(x)
m.result().numpy()

输出：

1.886

2.0

tf.Tensor(2, shape=(), dtype=int32)

tf.Tensor([4 0], shape=(2,), dtype=int32)

tf.Tensor([1 2 2 3], shape=(4,), dtype=int32)

#tf.keras.metrics.Mean：案例2

m.reset_state()
m.update_state([1, 3, 5, 7], sample_weight=[1, 1, 0, 0])
m.result().numpy()

输出：

1.886

2.0

tf.Tensor(2, shape=(), dtype=int32)

tf.Tensor([4 0], shape=(2,), dtype=int32)

tf.Tensor([1 2 2 3], shape=(4,), dtype=int32)

#tf.math.reduce_平均值

#案例1

输出：

1.886

2.0

tf.Tensor(2, shape=(), dtype=int32)

tf.Tensor([4 0], shape=(2,), dtype=int32)

tf.Tensor([1 2 2 3], shape=(4,), dtype=int32)

#案例2

输出：

1.886

2.0

tf.Tensor(2, shape=(), dtype=int32)

tf.Tensor([4 0], shape=(2,), dtype=int32)

tf.Tensor([1 2 2 3], shape=(4,), dtype=int32)

#案例3

输出：

1.886

2.0

tf.Tensor(2, shape=(), dtype=int32)

tf.Tensor([4 0], shape=(2,), dtype=int32)

tf.Tensor([1 2 2 3], shape=(4,), dtype=int32)

在

tf.math.reduce_mean

的情况下，您可以看到，当axis（numpy）为1时，它计算（1,3,5,7）和（1,1,0,0）之间的平均值，因此1定义了计算平均值的轴。当它为0时，平均值通过（1,1）、（3,1）、（5,0）和（7,0）等计算得出。

tf.keras.metrics.mean和tf.math.reduce\u mean的功能略有不同。看看这个例子