PyTorch torch.mean():求平均数（附带实例）

PyTorch 与其他统计软件一样，也内置了丰富的统计函数。使用 torch.mean() 函数求平均值，该函数对输入的张量数据的某一维度求平均值，有以下两种格式：

torch.mean(input, dtype=None)
torch.mean(input, dim, keepdim=False, dtype=None)

【实例】设置参数 input 和 dim，代码如下：

# 导入torch库
import torch
# 创建一个张量a
a = torch.tensor([[1, 2], [3, 4]])
# 计算张量a所有元素的平均值，并将结果赋值给a8
a8 = torch.mean(a.float())
# 沿着第0维和第1维计算张量a的元素平均值，并将结果赋值给a9
a9=torch.mean(a.float(),dim=(0, 1))
# 沿着第0维计算张量a的元素平均值，并将结果赋值给a10
a10=torch.mean(a.float(),dim=0)
# 沿着第1维计算张量a的元素平均值，并将结果赋值给a11
a11=torch.mean(a.float(),dim=1)
# 打印a8、a9、a10和a11的值
print(a8)
print(a9)
print(a10)
print(a11)

输出结果如下：

tensor(2.5000)
tensor(2.5000)
tensor([2., 3.])
tensor([1.5000, 3.5000])

【实例 2】设置参数 keepdim，代码如下：

# 导入torch库
import torch
# 创建一个张量a
a = torch.tensor([[1, 2], [3, 4]])
# 沿着第0维和第1维计算张量a的元素平均值，并保持原始维度，将结果赋值给a12
a12=torch.mean(a.float(), dim=(0, 1), keepdim=True)
# 沿着第0维计算张量a的元素平均值，并保持原始维度，将结果赋值给a13
a13=torch.mean(a.float(), dim=(0, ), keepdim=True)
# 沿着第1维计算张量a的元素平均值，并保持原始维度，将结果赋值给a14
a14=torch.mean(a.float(), dim=(1, ), keepdim=True)
# 打印a12、a13和a14的值
print(a12)
print(a13)
print(a14)

输出结果如下：

tensor([[2.5000]])
tensor([[2., 3.]])
tensor([[1.5000],[3.5000]])