ReduceMean

产品支持情况

产品	是否支持
Ascend 950PR/Ascend 950DT	√
Atlas A3 训练系列产品/Atlas A3 推理系列产品	√
Atlas A2 训练系列产品/Atlas A2 推理系列产品	√
Atlas 200I/500 A2 推理产品	×
Atlas 推理系列产品	×
Atlas 训练系列产品	×

功能说明

• 算子功能：对一个多维向量按照指定的维度求平均值。
• 示例：

  • 示例1： 定义指定计算的维度（Reduce轴）为R轴，非指定维度（Normal轴）为A轴。如下图所示，对shape为(2, 3)的二维矩阵进行运算，对第一维计算数据求平均值，输出结果为[2.5, 3.5, 4.5]；对第二维计算数据求平均值，输出结果为[2, 5]。

    图1 ReduceMean按第一个维度计算示例

    图2 ReduceMean最后一个维度计算示例

参数说明

参数名	输入/输出/属性	描述	数据类型	数据格式
x	输入	输入张量	complex128, complex64, double, float32, float16, int64, int32, int16, int8 uint64, uint32, uint16, uint8, bfloat16	ND
axes	输入	要缩减的维度。支持 int、list、tuple 或 NoneType。数据类型必须为 int32 或 int64。 如果为 None，则缩减所有维度。取值范围为 [-rank(x), rank(x)]。	int32, int64	ND
keep_dims	属性	可选布尔值，默认为 false。若为 true，则保留长度为 1 的缩减维度； 若为 false，则对每个 axis 中的条目，张量的秩减 1。	bool	ND
noop_with_empty_axes	属性	可选布尔值，默认为 true。若为 true，当 axes = [] 时不进行缩减； 若为 false，当 axes = [] 时缩减所有维度。	bool	ND
y	输出	输出张量，与输入张量 x 的类型和格式相同	与输入张量x相同	ND

约束说明

• axes维度须大于0。
• 输入向量维度：最小1维，最大8维。

调用说明

调用方式	样例代码	说明
aclnn调用	test_aclnn_mean_v2	通过aclnnMeanV2接口方式调用ReduceMean算子。
aclnn调用	test_aclnn_global_average_pool	通过aclnnGlobalAveragePool接口方式调用ReduceMean算子。
图模式调用	test_geir_reduce_mean	通过算子IR构图方式调用ReduceMean算子。