reduce_mean(
input_tensor,
axis=None,
keepdims=None,
name=None,
reduction_indices=None,
keep_dims=None
)
axis表示按那个维度进行取平均值，当axis参数为list时，会按照list的值依次进行取平均，对于二维张量其取值有0和1，表示两个维度；当三维张量时其取值可以有0、1和2，表示三个维度，否则会出错
- 对于二维张量：
0表示按列取平均
1表示按行取平均 - 对于三维张量：如图1，
0标志按宽，也就是张量的第一个维度
1表示按高，也就是张量的第二个维度
2表示按长，也就是张量的第三个维度
图1
可以这样理解：对于如下这个数组
[[[ 1 2 3]
[ 4 5 6]]
[[ 7 8 9]
[10 11 12]]]
括号外面的“维度”是一维、二维和三维，比如最外围的括号是一维，也就是0方向，其它类似；括号里面可以理解为“轴”，指的是返回低维数组含有原始高维数组某条轴上的所有数据，比如a111~ a341和a112~ a342，就是0轴上的数据，其它类似。
keep_dims=True表示取均值完后的维度和输入维度相同
使用tf.reduce_mean()实现avg_pool()
y1 = tf.reduce_mean(inputs, [1, 2], keep_dims=True, name='avg_pool')
假设inputs的维度是32x224x224x3，y1的维度就是32x1x1x3，会先对inputs按照[1, 2]中的1按照第二维度取平均，也就是图1中a141、a241、a341这样取平均，然后对第一次取平均的结果按照[1, 2]中的2按第一维度取平均，也就是图1中的a311、a321、a331、a341这样取平均。
可能理解不到位，欢迎指正！
