tf.reduce_mean()方法的作用

来源：3-12 tf.GradientTape与tf.keras结合使用

whatever2160

2019-06-29

老师您好，我想请问一下上面图片中划线部分，为什么要在外层加上tf.reduce_mean而不能只使用内层的keras.losses.mean_squared_error，我自己打印了一下似乎加不加外层的效果都是一样的（如下图所示），所以有点不太理解reduce_mean的作用。

写回答

1回答

经不住的岁月如注似水流年

2019-06-29

计算张量的各个维度上的元素的平均值.

x = tf.constant([[1., 1.], [2., 2.]])
print(tf.reduce_mean(x))  # 1.5
print(tf.reduce_mean(x, 0))  # [1.5, 1.5]
print(tf.reduce_mean(x, 1))  # [1.,  2.]

Google老师亲授 TensorFlow2.0 入门到进阶

Tensorflow2.0实战—以实战促理论的方式学习深度学习

1849 学习 · 896 问题

查看课程

相似问题

这块就只有我晕了吗？子方法call在哪里用上了吗？

回答 2

loss = tf.reduce_mean(keras.losses.mean_squared_error)

回答 1

哭了啊，弃用 experimental_run_v2 方法。

回答 1

这个地方为啥用model？

回答 1

关于3-12中的tf.reduce_mean(keras.losses.mean_squared_error(y_batch,y_pred))

回答 1

打开慕课网App查看更多内容