关于numpy mean函数的axis参数

上海站 | 高性能计算之GPU CUDA培训

4月13-15日 三天密集式学习  快速带你晋级 阅读全文 >

正文共529个字，1张图，预计阅读时间2分钟。

理解多维矩阵的"求和"、"平均"操作确实太恶心了，numpy提供的函数里还有一堆参数，搞得晕头转向的，这里做个笔记，提醒一下自己， 下面是例程：

import numpy as np X = np.array([[1, 2], [4, 5], [7, 8]])

print np.mean(X, axis=0, keepdims=True)

print np.mean(X, axis=1, keepdims=True)

结果是分别是：

  [[ 1.5] [[ 4.  5.]]      [ 4.5]                      [ 7.5]]

我个人比较raw的认识就是，axis=0，那么输出矩阵是1行，求每一列的平均（按照每一行去求平均）；axis=1，输出矩阵是1列，求每一行的平均（按照每一列去求平均）。还可以这么理解，axis是几，那就表明哪一维度被压缩成1。

再举个更复杂点的例子，比如我们输入为batch = [128, 28, 28]，可以理解为batch=128，图片大小为28×28像素，我们相求这128个图片的均值，应该这么写：

m = np.mean(batch, axis=0)

输出结果m的shape为(28,28)，就是这128个图片在每一个像素点平均值。

原文链接：https://www.jianshu.com/p/f9e3fd264932

查阅更为简洁方便的分类文章以及最新的课程、产品信息，请移步至全新呈现的“LeadAI学院官网”：

www.leadai.org

请关注人工智能LeadAI公众号，查看更多专业文章

大家都在看

LSTM模型在问答系统中的应用

基于TensorFlow的神经网络解决用户流失概览问题

最全常见算法工程师面试题目整理（一）

最全常见算法工程师面试题目整理（二）

TensorFlow从1到2 | 第三章 深度学习革命的开端：卷积神经网络

装饰器 | Python高级编程

今天不如来复习下Python基础