Python PyTorch median用法及代码示例

本文简要介绍python语言中 torch.median 的用法。

用法:

torch.median(input) → Tensor

参数：

input(Tensor) -输入张量。

参数：

• input(Tensor) -输入张量。

• dim(int) -要减少的维度。

• keepdim(bool) -输出张量是否保留了dim。

关键字参数：

out((Tensor,Tensor),可选的) -第一个张量将填充中间值，第二个张量必须具有 dtype long，它们的索引在 input 的维度 dim 中。

返回 input 中值的中位数。

注意

对于具有偶数个元素的 input 张量，中位数不是唯一的。在这种情况下，返回两个中位数中较低的那个。要计算两个中位数的平均值，请改用 torch.quantile() 和 q=0.5。

警告

与median(dim=0) 不同，此函数产生确定性(子)梯度

例子：

>>> a = torch.randn(1, 3)
>>> a
tensor([[ 1.5219, -1.5212,  0.2202]])
>>> torch.median(a)
tensor(0.2202)

torch.median(input, dim=- 1, keepdim=False, *, out=None)

返回一个命名元组 (values, indices) 其中 values 包含维度 dim 中每行 input 的中值，而 indices 包含维度 dim 中找到的中值的索引。

默认情况下，dim 是 input 张量的最后一个维度。

如果 keepdim 是 True ，则输出张量的大小与 input 相同，但在维度 dim 中它们的大小为 1。否则，dim 被压缩(参见 torch.squeeze() )，结果在比 input 少 1 个维度的输出张量中。

注意

对于在维度 dim 中具有偶数个元素的 input 张量，中位数不是唯一的。在这种情况下，返回两个中位数中较低的那个。要计算 input 中两个中位数的平均值，请改用 torch.quantile() 和 q=0.5。

警告

indices 不一定包含找到的每个中值的第一次出现，除非它是唯一的。确切的实现细节是特定于设备的。一般情况下，不要期望在 CPU 和 GPU 上运行时得到相同的结果。出于同样的原因，不要期望梯度是确定性的。

例子：

>>> a = torch.randn(4, 5)
>>> a
tensor([[ 0.2505, -0.3982, -0.9948,  0.3518, -1.3131],
        [ 0.3180, -0.6993,  1.0436,  0.0438,  0.2270],
        [-0.2751,  0.7303,  0.2192,  0.3321,  0.2488],
        [ 1.0778, -1.9510,  0.7048,  0.4742, -0.7125]])
>>> torch.median(a, 1)
torch.return_types.median(values=tensor([-0.3982,  0.2270,  0.2488,  0.4742]), indices=tensor([1, 4, 4, 3]))