tensorflow 計算均值和方差

我們在處理矩陣數據時，需要用到數據的均值和方差，比如在batch normalization的時候。

那么，tensorflow中計算均值和方差的函數是：tf.nn.moments(x, axes)

x:　我們待處理的數據

axes： 在哪一個維度上求解，是一個list，如axes=[0, 1, 2]

舉例：

def calc_mean_variance():
    """
        計算均值和方差
    :return:
    """
    img = tf.Variable(tf.random_normal([2, 3]))
    t = len(img.get_shape())
    axis = list(range(len(img.get_shape()) - 1))
    mean, variance = tf.nn.moments(img, axes=0)
    with tf.Session() as sess:
        sess.run(tf.global_variables_initializer())
        print(sess.run(img))
        print(sess.run([mean, variance]))

輸出：

 

注意，以下是統計軸的個數：

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