Python 计算张量的平均值，并将此值用作张量值

我对张量没有很好的了解，所以如果这是一个愚蠢的问题，请原谅我

我尝试使用Keras的Lambda图层为我的模型添加一个特殊图层。 我希望这一层计算张量的平均值，我希望这个平均值被用作张量值

更清楚地说，这是我需要的，但在numpy中，我不知道如何使用张量： （使用NumPy不适用于张量）

我确实尝试了以下方法：

avg = tf.reduce_mean(colInput)

我也尝试过：

avLayer= Lambda(lambda x: tf.reduce_mean(x, axis=1, keepdims=False))(visible)

where visible将我的共输入作为输入层，但我无法为张量中的每个元素创建结果集，并使用这个新的张量

我的张量形状是（？，1,27） 我想得到27，但它们等于平均值

---

提前谢谢

我不确定这是否是您想要的，但请告诉我-

xx=tf.常数（[1,0,1,0.]）
tf.扩大直径（tf.重复（tf.缩小直径平均值（xx），xx.形状[0]），轴=1）

产出将是

<tf.Tensor: shape=(4, 1), dtype=float32, numpy=
array([[0.5],
       [0.5],
       [0.5],
       [0.5]], dtype=float32)>

如果你的输入张量是

[[1,2,3,4]

，你希望输出是

[[2.5,2.5,2.5,2.5]]

？是的，这是真的，谢谢Sai，这和我需要的概念是一样的，但这里你的数据形状是（4），你能帮我看看这对数据形状（？，1,27）是如何工作的吗？

在[56]：tf.restrape（tf.repeat）（tf.reduce)(u mean（xx），xx.shape[0]），[1,1,4]）

Out[56]：

这是您上面看到的示例的扩展，我认为您可以将重塑尺寸替换为[1,1,27]，以满足您的需要

<tf.Tensor: shape=(4, 1), dtype=float32, numpy=
array([[0.5],
       [0.5],
       [0.5],
       [0.5]], dtype=float32)>