Python PyTorch quantile用法及代码示例

本文简要介绍python语言中 torch.quantile 的用法。

用法:

torch.quantile(input, q, dim=None, keepdim=False, *, out=None) → Tensor

参数：

• input(Tensor) -输入张量。

• q(float或者Tensor) -[0, 1] 范围内的值的标量或一维张量。

• 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,可选的) -输出张量。

沿维度 dim 计算 input 张量的每一行的 q-th 分位数。

为了计算分位数，我们将 [0, 1] 中的 q 映射到索引 [0, n] 的范围内，以找到分位数在排序输入中的位置。如果分位数位于两个数据点 a < b 之间，索引 i 和 j 按排序顺序，则使用线性插值计算结果，如下所示：

a + (b - a) * fraction ，其中 fraction 是计算的分位数索引的小数部分。

如果 q 是一维张量，则输出的第一个维度表示分位数并且大小等于 q 的大小，其余维度是归约后剩下的维度。

注意

默认情况下 dim 是 None 导致 input 张量在计算之前被展平。

例子：

>>> a = torch.randn(2, 3)
>>> a
tensor([[ 0.0795, -1.2117,  0.9765],
        [ 1.1707,  0.6706,  0.4884]])
>>> q = torch.tensor([0.25, 0.5, 0.75])
>>> torch.quantile(a, q, dim=1, keepdim=True)
tensor([[[-0.5661],
        [ 0.5795]],

        [[ 0.0795],
        [ 0.6706]],

        [[ 0.5280],
        [ 0.9206]]])
>>> torch.quantile(a, q, dim=1, keepdim=True).shape
torch.Size([3, 2, 1])
>>> a = torch.arange(4.)
>>> a
tensor([0., 1., 2., 3.])