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:
【实例】设置参数 input 和 dim,代码如下:
【实例 2】设置参数 keepdim,代码如下:
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]])