mindspore.Tensor.mean

mindspore.Tensor.mean(dim=None, keepdim=False, *, dtype=None)

默认情况下，移除输入所有维度，返回 input 中所有元素的平均值，也可仅缩小指定维度 dim 大小至1。 keepdim 控制输出和输入的维度是否相同。

说明

Tensor类型的 dim 仅用作兼容旧版本，不推荐使用。

参数：

dim (Union[int，tuple(int)，list(int)，Tensor]，可选) - 要减少的维度。默认值: None 。缩小所有维度，只允许常量值。假设 self 的秩为r，其取值范围为[-r,r)。
keepdim (bool，可选) - 如果为 True ，则保留缩小的维度并且大小为1。否则移除维度。默认值： False 。

关键字参数：

dtype (mindspore.dtype，可选) - 期望返回的Tensor数据类型。默认值：None 。

返回：

Tensor。与输入Tensor拥有相同的数据类型。

如果 dim 设置为 None ，并且 keepdim 设置为 False ，则输出一个零维Tensor，表示输入Tensor中所有元素的平均值。
如果 dim 设置为int，取值为1，并且 keepdim 设置为 False ，则输出的shape为：\((x_0, x_2, ..., x_R)\) 。
如果 dim 设置为tuple(int)，取值为(1, 2)，并且 keepdim 设置为 False ，则输出的shape为：\((x_0, x_3, ..., x_R)\) 。
如果 dim 是一个一维Tensor，取值为[1, 2]，并且 keepdim 设置 False ，则输出的shape为：\((x_0, x_3, ..., x_R)\) 。

异常：

TypeError - 如果 dim 不是一下类型中的一种：int、tuple、list或者Tensor。
TypeError - 如果 keepdim 不是bool。
ValueError - 如果 dim 超出取值范围。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor
>>> x = Tensor(np.random.randn(3, 4, 5, 6).astype(np.float32))
>>> output = Tensor.mean(x, 1, keepdim=True)
>>> result = output.shape
>>> print(result)
(3, 1, 5, 6)
>>> # case 1: Reduces a dimension by averaging all elements in the dimension.
>>> x = Tensor(np.array([[[2, 2, 2, 2, 2, 2], [2, 2, 2, 2, 2, 2], [2, 2, 2, 2, 2, 2]],
... [[4, 4, 4, 4, 4, 4], [5, 5, 5, 5, 5, 5], [6, 6, 6, 6, 6, 6]],
... [[6, 6, 6, 6, 6, 6], [8, 8, 8, 8, 8, 8], [10, 10, 10, 10, 10, 10]]]),
... mindspore.float32)
>>> output = Tensor.mean(x)
>>> print(output)
5.0
>>> print(output.shape)
()
>>> # case 2: Reduces a dimension along the dim 0
>>> output = Tensor.mean(x, 0, True)
>>> print(output)
[[[4. 4. 4. 4. 4. 4.]
  [5. 5. 5. 5. 5. 5.]
  [6. 6. 6. 6. 6. 6.]]]
>>> # case 3: Reduces a dimension along the dim 1
>>> output = Tensor.mean(x, 1, True)
>>> print(output)
[[[2. 2. 2. 2. 2. 2.]]
 [[5. 5. 5. 5. 5. 5.]]
 [[8. 8. 8. 8. 8. 8.]]]
>>> # case 4: Reduces a dimension along the dim 2
>>> output = Tensor.mean(x, 2, True)
>>> print(output)
[[[ 2.]
  [ 2.]
  [ 2.]]
 [[ 4.]
  [ 5.]
  [ 6.]]
 [[ 6.]
  [ 8.]
  [10.]]]

mindspore.Tensor.mean(axis=None, keep_dims=False)

详情请参考 mindspore.ops.mean()。