计算 期望与方差(mean and Variance)在 Tensorflow 与 Numpy 对比
计算 期望与方差(mean and Variance)在Tensorflow 与 Numpy 对比
Tensorlfow 里 计算期望与方差是用 tf.nn.moments(img, axis) 函数
Numpy 里 计算期望与方差是用 mean 与var 函数 分别计算的。
如果axis 就一个值时。比如下面这个例子是axis =0
代码实现如下。 可以看到它们的计算结果完全一样的。
import tensorflow as tf
import numpy as npimg = tf.Variable(tf.random.normal([2, 3]))
axis = list(range(len(img.get_shape()) - 1))
mean, variance = tf.nn.moments(img, axis)
print('array =', img.numpy())
print('Mean value with tf =',mean.numpy())
print('Mean value with tf =',variance.numpy())
value = img.numpy()
print('array =', value)
print('Mean value with Numpy =',np.mean(value, axis=0))
print('Variance value with Numpy = ',np.var(value, axis = 0))
运行结果
array = [[ 0.04049182 0.83418673 -0.3394031 ][-0.80251163 -1.3359267 -1.1953343 ]]
Mean value with tf = [-0.3810099 -0.25086996 -0.7673687 ]
Mean value with tf = [0.1776637 1.177348 0.18315455]
array = [[ 0.04049182 0.83418673 -0.3394031 ][-0.80251163 -1.3359267 -1.1953343 ]]
Mean value with Numpy = [-0.3810099 -0.25086996 -0.7673687 ]
Variance value with Numpy = [0.1776637 1.177348 0.18315455]
如果axis 是多个值时。
比如下面这个例子 tensorflow 是axis =[0,1,2,3]
因为Numpy 的两个函数axis不是数组,所以要先reshape成二维,在算。
代码实现如下。 可以看到它们的计算结果完全一样的。
import tensorflow as tf
import numpy as npimg = tf.Variable(tf.random.normal([2, 1, 2, 3]))
axis = list(range(len(img.get_shape()) - 1))
print('axis=',axis)
mean, variance = tf.nn.moments(img, axis)
print('array =', img.numpy())
print('Mean value with tf =',mean.numpy())
print('Mean value with tf =',variance.numpy())value = img.numpy()
value = np.reshape(value, (-1,3))
print('array =', value)
print('Mean value with Numpy =',np.mean(value, axis=0))
print('Variance value with Numpy = ',np.var(value, axis = 0))
运行结果
axis= [0, 1, 2]
array = [[[[ 0.6921544 0.365507 -0.06613016][ 1.5058616 0.19188835 0.14797013]]][[[-0.43917972 -0.22224317 0.50038105][-0.30526984 2.570171 0.6866861 ]]]]
Mean value with tf = [0.36339167 0.7263308 0.31722677]
Mean value with tf = [0.6261379 1.1788406 0.08641401]
array = [[ 0.6921544 0.365507 -0.06613016][ 1.5058616 0.19188835 0.14797013][-0.43917972 -0.22224317 0.50038105][-0.30526984 2.570171 0.6866861 ]]
Mean value with Numpy = [0.36339167 0.7263308 0.31722677]
Variance value with Numpy = [0.6261379 1.1788406 0.08641401]Process finished with exit code 0
计算 期望与方差(mean and Variance)在 Tensorflow 与 Numpy 对比相关推荐
- matlab里怎么计算期望,§7.4.2 利用MATLAB计算随机变量的期望和方差.pdf
§§7.4.27.4.2 利用利用MATLABMATLAB 计算随机变量的期望和方差 一一....用用用用MATLABMATLABMATLABMATLAB计算离散型随机计算离散型随机计算离散型随机计算 ...
- matlab正态分布均值和方差,MATLAB如何使用normstat函数计算正态分布的期望与方差...
MATLAB如何使用normstat函数计算正态分布的期望与方差 [语法说明] [M,V]=normstat(mu,sigma):给出正态分布的参数 mu 与sigma,求其期望与方差.M.V是与mu ...
- 013 数学期望及方差计算习题
013 数学期望及方差计算习题
- 卡方分布、t分布、F分布的期望与方差的计算
文章目录 卡方分布 卡方分布的期望和方差 t分布 t分布的期望 t分布的方差 F分布 F分布的期望 F分布的方差 卡方分布 设 X 1 , X 2 , - - X
- 概率论由相关性求数学期望和方差的公式_概率论与数理统计(马涛)第4章——数学期望与方差.ppt...
§3. 协方差及相关系数 一 定义 设 X,Y 是两个随机变量, 称 为随机变量 X,Y 的协方差. 并称 注 1. 为随机变量 X,Y 的相关系数. 2. 是一个无量纲的量: 3. 若 , 则称 X ...
- 期望、方差、协方差、协方差矩阵
原 期望.方差.协方差和协方差矩阵 2018年06月07日 17:10:58 siucaan 阅读数:6231 </div><div class="operating&qu ...
- 概率统计:数学期望、方差、协方差、相关系数、矩
一 .数学期望(均值): 在概率论和统计学中,数学期望(mean)(或均值,亦简称期望)是试验中每次可能结果的概率乘以其结果的总和.是最基本的数学特征之一.它反映随机变量平均取值的大小.其公式如下: ...
- 总体,个体,抽样,样本,样本容量,随机变量,期望,方差,离差,残差
开博第一篇先回顾下数据分析涉及到的统计学中最基本的概念,包含了以下几个概念:总体,个体,抽样,样本,样本容量,随机变量,期望,方差,离差,残差. 1 总体 本小节所探讨的总体的概念,特指在统计学中的& ...
- 分段函数的期望和方差_经典摘录-分段常数概率密度函数的均值和方差
本文摘录自 Introduction to probability, 2nd Edition Example 3.17 Mean and Variance of a Piecewise Constan ...
最新文章
- js实现下拉框三级级联
- PowerDesigner中如何给字符串字段设置默认值 .
- 183SDP回铃设置步骤
- 神经网络测试结果很差,该怎么做
- 我使用 html 反向输出自己打自己(7)
- 4G(LTE)是如何实现智慧农业物联网的?
- 学习日志---hbase学习(最大版本查询)
- elasticsearch 主键字段_ElasticSearch 索引 VS MySQL 索引
- [翻译 EF Core in Action 1.9] 掀开EF Core的引擎盖看看EF Core内部是如何工作的
- Security+Oauth2权限认证(案例 源码)
- Android音视频之协议介绍
- 【Java爬虫】接口模拟微信公众号登录,搜索公众号,获取公众号文章,java实现
- 关闭windows默认共享
- ⑤⭐全网首发☀️数据有道之数据库技术❤️干货大全【持续更新】❗❗❗
- 经典蓝牙与低功耗蓝牙的区别
- 教你破解Android手机图案锁
- 北京中医药大学计算机应用基础第三次作业,北京中医药大学远程教育 药用植物学 作业1.doc...
- [源码和文档分享]基于Android Studio实现的学生蹭课APP
- 并查集的使用,臭虫同性恋问题
- cookie使用注意问题【cookie学习笔记】