大家好，我是苏承栈。上次我们聊了Tensorflow参数传递的问题，今天咱们来聊聊一个更常见的问题：reduce_mean怎么就变成了NaN？
首先，咱们得明白reduce_sum和reduce_mean这两个函数。reduce_sum是计算某个轴上的元素之和，而reduce_mean则是计算平均值。如果你在使用reduce_mean时遇到了NaN，那很可能是axis参数设置不正确。
关键步骤解析
在Tensorflow中，reduce_sum的用法如下：
tf.reduce_sum(
input_tensor,
axis=None,
keepdims=None,
name=None,
reduction_indices=None,
keep_dims=None)
其中，reduction_indices参数指定了要计算的轴。如果不设置，默认计算所有元素的总和。现在，让我们看看一个错误的例子：
self.loss = reduce_mean(-reduce_sum(mul(self.ys,log(self.prediction)),reduction_indices=[0]))
在这个例子中，我没有设置reduction_indices=0，导致reduce_mean只计算了reduce_sum的值，而没有计算平均值。这就是为什么会出现NaN的原因。
实战经验分享
在编程过程中，我们经常会遇到各种意想不到的问题。遇到NaN时，首先要检查axis参数是否设置正确。此外，还要注意数据类型和数值范围，避免出现溢出等问题。
好了，今天的分享就到这里。如果你对Tensorflow还有其他疑问，欢迎在评论区留言。我是苏承栈，我们下期再见！
——来自「极星编程网」（www.jxgpc.com）的苏承栈，更多精彩内容等你来发现！