tensorflow 计算均值和方差

咱们在处理矩阵数据时，须要用到数据的均值和方差，好比在batch normalization的时候。

那么，tensorflow中计算均值和方差的函数是：tf.nn.moments(x, axes)

x:　咱们待处理的数据

axes： 在哪个维度上求解，是一个list，如axes=[0, 1, 2]

举例：

 1 def calc_mean_variance():  2     """
 3  计算均值和方差  4  :return:  5     """
 6     img = tf.Variable(tf.random_normal([2, 3]))  7     t = len(img.get_shape())  8     axis = list(range(len(img.get_shape()) - 1))  9     mean, variance = tf.nn.moments(img, axes=0) 10  with tf.Session() as sess: 11  sess.run(tf.global_variables_initializer()) 12         print(sess.run(img)) 13         print(sess.run([mean, variance]))

输出：

 

注意，如下是统计轴的个数：

axis = list(range(len(img.get_shape()) - 1))