Python PyTorch mean用法及代碼示例

本文簡要介紹python語言中 torch.mean 的用法。

用法:

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

參數：

input(Tensor) -輸入張量。

關鍵字參數：

dtype(torch.dtype， 可選的) -返回張量的所需數據類型。如果指定，則在執行操作之前將輸入張量強製轉換為dtype。這對於防止數據類型溢出很有用。默認值：無。

參數：

• input(Tensor) -輸入張量。

• dim(int或者python的元組：ints) -要減小的尺寸或尺寸。

• keepdim(bool) -輸出張量是否保留了dim。

關鍵字參數：

• dtype(torch.dtype， 可選的) -返回張量的所需數據類型。如果指定，則在執行操作之前將輸入張量強製轉換為dtype。這對於防止數據類型溢出很有用。默認值：無。

• out(Tensor,可選的) -輸出張量。

返回 input 張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

返回給定維度 dim 中 input 張量的每一行的平均值。如果dim 是維度列表，則對所有維度進行歸約。

如果 keepdim 是 True ，則輸出張量的大小與 input 相同，但在維度 dim 中它的大小為 1。否則，dim 被壓縮(參見 torch.squeeze() )，導致輸出張量的維度少 1 個(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]])