如何在Python中对EfficientNetB0的20帧CNN特征矩阵求平均？

你需要对20个同形状的CNN特征在帧维度上取平均，最终保留原特征的(None,100,1280)形状，以下是不同工具的实现方法：

NumPy 实现（适配你的numpy文件场景） #

import numpy as np

# 把20个特征存入列表
feat_list = [feat_1, feat_2, feat_3, ..., feat_20]
# 在帧维度（轴0）堆叠所有特征，得到形状 (20, None, 100, 1280)
stacked_feats = np.stack(feat_list, axis=0)
# 对帧维度求平均，得到目标形状的平均特征
average_feat = np.mean(stacked_feats, axis=0)

PyTorch 实现（如果用PyTorch处理特征） #

import torch

feat_list = [feat_1, feat_2, ..., feat_20]
stacked_feats = torch.stack(feat_list, dim=0)
average_feat = torch.mean(stacked_feats, dim=0)

TensorFlow/Keras 实现（如果用TF框架） #

import tensorflow as tf

feat_list = [feat_1, feat_2, ..., feat_20]
stacked_feats = tf.stack(feat_list, axis=0)
average_feat = tf.reduce_mean(stacked_feats, axis=0)

核心逻辑说明 #

通过stack操作给20个特征新增一个帧维度（第0轴），然后对这个维度计算平均值，批量维度、空间维度（100）和特征维度（1280）会完整保留，最终输出正好是你需要的(None,100,1280)形状。

内容的提问来源于stack exchange，提问作者A_B_Y