Python PyTorch bincount用法及代码示例

本文简要介绍python语言中 torch.bincount 的用法。

用法:

torch.bincount(input, weights=None, minlength=0) → Tensor

参数：

• input(Tensor) -一维 int 张量

• weights(Tensor) -可选，输入张量中每个值的权重。应该与输入张量大小相同。

• minlength(int) -可选，最小箱数。应该是非负数。

返回：

一个形状为 Size([max(input) + 1]) 的张量，如果 input 不为空，否则为 Size(0)

返回类型：

输出(Tensor)

计算非负整数数组中每个值的频率。

bin 的数量(大小 1)比 input 中的最大值大一，除非 input 为空，在这种情况下，结果是大小为 0 的张量。如果指定了 minlength，则 bin 的数量为至少 minlength 并且如果 input 为空，则结果是大小为 minlength 的张量用零填充。如果 n 是位置 i 的值，如果指定了 weights 则为 out[n] += weights[i] ，否则为 out[n] += 1 。

注意

当给定 CUDA 设备上的张量时，此操作可能会产生不确定的梯度。有关详细信息，请参阅重现性。

例子：

>>> input = torch.randint(0, 8, (5,), dtype=torch.int64)
>>> weights = torch.linspace(0, 1, steps=5)
>>> input, weights
(tensor([4, 3, 6, 3, 4]),
 tensor([ 0.0000,  0.2500,  0.5000,  0.7500,  1.0000])

>>> torch.bincount(input)
tensor([0, 0, 0, 2, 2, 0, 1])

>>> input.bincount(weights)
tensor([0.0000, 0.0000, 0.0000, 1.0000, 1.0000, 0.0000, 0.5000])