TensorFlow中的有效方法是通過每行的標準偏差減去平均值和除數

Question

我有一個形狀的張量[x, y]並且我想用行標準差減去平均值和除數（即我想對每個行）。 TensorFlow中最有效的方法是什麼？

當然我可以通過行循環如下：

new_tensor = [i - tf.reduce_mean(i) for i in old_tensor] 

...減去平均值，然後做一些類似找到它的標準差和分裂的東西，但這是最好的辦法在TensorFlow中做？

Answer 1

The TensorFlow tf.sub() and tf.div()運營商支持廣播，所以你不需要遍歷每一行。讓我們考慮的均值，並保留標準差作爲一個練習：

old_tensor = ...           # shape = (x, y) 
mean = tf.reduce_mean(old_tensor, 1, keep_dims=True)  # shape = (x, 1)      

stdev = ...            # shape = (x,) 
stdev = tf.expand_dims(stdev, 1)       # shape = (x, 1) 

new_tensor = old_tensor - mean       # shape = (x, y) 
new_tensor = old_tensor/stdev       # shape = (x, y) 

的減法和除法運算符隱含廣播形狀(x, 1)沿列維度的張量相匹配的其他參數的形狀，(x, y)。有關廣播如何工作的詳細信息，請參閱NumPy documentation on the topic（TensorFlow實現NumPy廣播語義）。沿軸1（Y你的情況）

Answer 2

1. 計算的時刻，保持尺寸，即平均的形狀和變量被（LEN（x）中，1）
2. 減法意味着併除以標準偏差（即平方根方差）

mean, var = tf.nn.moments(old_tensor, [1], keep_dims=True) 
new_tensor = tf.div(tf.subtract(old_tensor, mean), tf.sqrt(var))