Python PyTorch mean用法及代码示例

本文简要介绍python语言中 torch.mean 的用法。

用法:

torch.mean(input, *, dtype=None) → Tensor

参数：

input(Tensor) -输入张量。

关键字参数：

dtype(torch.dtype， 可选的) -返回张量的所需数据类型。如果指定，则在执行操作之前将输入张量强制转换为dtype。这对于防止数据类型溢出很有用。默认值：无。

参数：

• input(Tensor) -输入张量。

• dim(int或者python的元组：ints) -要减小的尺寸或尺寸。

• keepdim(bool) -输出张量是否保留了dim。

关键字参数：

• dtype(torch.dtype， 可选的) -返回张量的所需数据类型。如果指定，则在执行操作之前将输入张量强制转换为dtype。这对于防止数据类型溢出很有用。默认值：无。

• out(Tensor,可选的) -输出张量。

返回 input 张量中所有元素的平均值。

例子：

>>> a = torch.randn(1, 3)
>>> a
tensor([[ 0.2294, -0.5481,  1.3288]])
>>> torch.mean(a)
tensor(0.3367)

torch.mean(input, dim, keepdim=False, *, dtype=None, out=None) → Tensor

返回给定维度 dim 中 input 张量的每一行的平均值。如果dim 是维度列表，则对所有维度进行归约。

如果 keepdim 是 True ，则输出张量的大小与 input 相同，但在维度 dim 中它的大小为 1。否则，dim 被压缩(参见 torch.squeeze() )，导致输出张量的维度少 1 个(或 len(dim) )。

例子：

>>> a = torch.randn(4, 4)
>>> a
tensor([[-0.3841,  0.6320,  0.4254, -0.7384],
        [-0.9644,  1.0131, -0.6549, -1.4279],
        [-0.2951, -1.3350, -0.7694,  0.5600],
        [ 1.0842, -0.9580,  0.3623,  0.2343]])
>>> torch.mean(a, 1)
tensor([-0.0163, -0.5085, -0.4599,  0.1807])
>>> torch.mean(a, 1, True)
tensor([[-0.0163],
        [-0.5085],
        [-0.4599],
        [ 0.1807]])