如何计算 TensorFlow 中 4-D 张量的平均值

Question

我只是用TensorFlow实现了一个CNN模型。 在这里，我有一个 4 维的张量：A=[16,96,96,64]（16 是批量大小，96 是图像块大小，64 是特征图的数量）。 我只需要计算张量 A 中每个特征图的平均值（如平均池化）并返回一个大小为 [16,1,1,64] 的新张量，它包含 A 中每个特征图的平均值.

你能告诉我我是如何意识到这一点的吗？

提前致谢！

一个大小为 [16,96,96,64] 的张量，我需要获取这个张量中每个特征图的平均值并返回一个大小为 [16,1,1,64] 的张量。 我不知道如何实现这一点。

结果应该是包含张量A中特征图均值的张量，其大小为[16,1,1,64]。

Answer 1

使用tf.reduce_mean()和指定的参数axis来计算均值，然后使用tf.expand_dims()来恢复减少的轴：

import tensorflow as tf
import numpy as np

x = tf.placeholder(tf.float32, (None, 96, 96, 64))

reduced = tf.expand_dims(tf.reduce_mean(x, axis=1), 1)
reduced = tf.expand_dims(tf.reduce_mean(reduced, axis=2), 2)

data = np.random.normal(size=(16, 96, 96, 64))

with tf.Session() as sess:
    evaled = reduced.eval({x:data})
    print(evaled.shape) # (16, 1, 1, 64)