torch.bincount

torch.bincount(input, weights=None, minlength=0) → Tensor

計算非負整數陣列中每個值的頻率。

直方圖的 bin 數量（大小為 1）比 `input` 中的最大值大一，除非 `input` 為空，此時結果是一個大小為 0 的張量。如果指定了 `minlength`，則 bin 的數量至少為 `minlength`，並且如果 `input` 為空，則結果是大小為 `minlength` 且填充了零的張量。如果 `n` 是位置 `i` 處的值，則 `out[n] += weights[i]`（如果指定了 `weights`），否則 `out[n] += 1`。

注意

此操作在使用 CUDA 裝置上的張量時可能會產生非確定性梯度。有關更多資訊，請參閱 可復現性。

引數

• input (Tensor) – 一維整數張量

• weights (Tensor) – 可選，輸入張量中每個值的權重。應與輸入張量大小相同。

• minlength (int) – 可選，最小 bin 數量。應為非負數。

返回

如果 `input` 非空，則形狀為 `Size([max(input) + 1])` 的張量，否則為 `Size(0)`

返回型別

output (Tensor)

示例

>>> input = torch.randint(0, 8, (5,), dtype=torch.int64)
>>> weights = torch.linspace(0, 1, steps=5)
>>> input, weights
(tensor([4, 3, 6, 3, 4]),
 tensor([ 0.0000,  0.2500,  0.5000,  0.7500,  1.0000])

>>> torch.bincount(input)
tensor([0, 0, 0, 2, 2, 0, 1])

>>> input.bincount(weights)
tensor([0.0000, 0.0000, 0.0000, 1.0000, 1.0000, 0.0000, 0.5000])