mindspore.ops.ReduceMean

class mindspore.ops.ReduceMean(keep_dims=False)[源代码]

默认情况下，输出Tensor各维度上的平均值，以达到对所有维度进行归约的目的。也可以对指定维度进行求平均值归约。

通过指定 keep_dims 参数，来控制输出和输入的维度是否相同。

参数：

keep_dims (bool) - 如果为True，则保留计算的维度，长度为1。如果为False，则不保留计算维度。默认值：False，输出结果会降低维度。

输入：

x (Tensor[Number]) - ReduceMean的输入，任意维度的Tensor，秩应小于8。其数据类型为number。
axis (Union[int, tuple(int), list(int)]) - 指定计算维度。默认值：()，即计算所有元素的平均值。只允许常量值，取值范围[-rank(x), rank(x))。

输出：

Tensor，shape与输入 x 相同。

如果轴为()，且keep_dims为False，则输出一个0维Tensor，表示输入Tensor中所有元素的平均值。
如果轴为int，取值为2，并且keep_dims为False，则输出的shape为 \((x_1, x_3, ..., x_R)\) 。
如果轴为tuple(int)或list(int)，取值为(2, 3)，并且keep_dims为False，则输出的shape为 \((x_1, x_4, ..., x_R)\) 。

异常：

TypeError - keep_dims 不是bool。
TypeError - x 不是Tensor。
TypeError - axis 不是int、tuple或list。

支持平台：: Ascend GPU CPU

样例：

>>> x = Tensor(np.random.randn(3, 4, 5, 6).astype(np.float32))
>>> op = ops.ReduceMean(keep_dims=True)
>>> output = op(x, 1)
>>> 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([[[1, 1, 1, 1, 1, 1], [2, 2, 2, 2, 2, 2], [3, 3, 3, 3, 3, 3]],
...                      [[4, 4, 4, 4, 4, 4], [5, 5, 5, 5, 5, 5], [6, 6, 6, 6, 6, 6]],
...                      [[7, 7, 7, 7, 7, 7], [8, 8, 8, 8, 8, 8], [9, 9, 9, 9, 9, 9]]]), mindspore.float32)
>>> output = op(x)
>>> print(output)
[[[5.]]]
>>> print(output.shape)
(1, 1, 1)
>>> # case 2: Reduces a dimension along the axis 0
>>> output = op(x, 0)
>>> 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 axis 1
>>> output = op(x, 1)
>>> 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 axis 2
>>> output = op(x, 2)
>>> print(output)
[[[1.       ]
  [2.       ]
  [3.       ]]
 [[4.       ]
  [5.       ]
  [6.       ]]
 [[7.0000005]
  [8.       ]
  [9.       ]]]