torch.histogram

torch.histogram(input, bins, *, range=None, weight=None, density=False, out=None)

計算張量中值的直方圖。

bins 可以是整數或一維張量。

如果 bins 是一個整數，它指定了等寬的 bin 的數量。預設情況下，bin 的範圍的下限和上限由輸入張量的最小值和最大值確定。可以透過提供 range 引數來指定 bin 的範圍。

如果 bins 是一個一維張量，它指定了 bin 邊緣的序列，包括最右側的邊緣。它應該至少包含 2 個元素，並且其元素應該遞增。

引數

• input (Tensor) – 輸入張量。

• bins – 整數或一維張量。如果為整數，則定義等寬 bin 的數量。如果為張量，則定義 bin 邊緣的序列，包括最右側的邊緣。

關鍵字引數

• range (元組 of 浮點數) – 定義 bin 的範圍。

• weight (張量) – 如果提供，weight 的形狀應與 input 相同。input 中的每個值都會將其關聯的權重計入其 bin 的結果。

• density (布林值) – 如果為 False，結果將包含每個 bin 中的計數（或總權重）。如果為 True，結果是 bin 範圍內機率密度函式的取值，並進行歸一化，使得在 bin 範圍內進行積分後結果為 1。

• out (張量, 可選) – 輸出張量。(元組, 可選): 包含兩個輸出張量的結果元組 (hist, bin_edges)。

返回

包含直方圖值的 1D 張量。bin_edges(Tensor): 包含直方圖 bin 邊緣的 1D 張量。

返回型別

hist (張量)

示例

>>> torch.histogram(torch.tensor([1., 2, 1]), bins=4, range=(0., 3.), weight=torch.tensor([1., 2., 4.]))
(tensor([ 0.,  5.,  2.,  0.]), tensor([0., 0.75, 1.5, 2.25, 3.]))
>>> torch.histogram(torch.tensor([1., 2, 1]), bins=4, range=(0., 3.), weight=torch.tensor([1., 2., 4.]), density=True)
(tensor([ 0.,  0.9524,  0.3810,  0.]), tensor([0., 0.75, 1.5, 2.25, 3.]))