torch.mean

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

注意

如果 input 張量為空，torch.mean() 返回 nan。此行為與 NumPy 一致，並且遵循空集上的平均值未定義的定義。

返回 input 張量中所有元素的平均值。輸入必須是浮點型或複數型。

引數

input (Tensor) – 輸入張量，可以是浮點型或複數型

關鍵字引數

dtype (torch.dtype, 可選) – 返回張量的期望資料型別。如果指定，則在執行操作之前將輸入張量轉換為 dtype。這對於防止資料型別溢位很有用。預設為 None。

示例

>>> 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

在給定的維度 dim 上返回 input 張量每行的平均值。如果 dim 是一個維度列表，則對所有這些維度進行歸約。

如果 keepdim 為 True，則輸出張量的大小與 input 相同，只有在 dim 維度上大小為 1。否則，dim 將被擠壓（參見 torch.squeeze()），導致輸出張量維度減少 1（或 len(dim)）個。

引數

• input (Tensor) – 輸入張量。

• dim (int 或 tuple of ints, optional) – 要規約的維度或維度。如果為 None，則規約所有維度。

• keepdim (bool, optional) – 輸出張量是否保留 dim。預設為 False。

關鍵字引數

• dtype (torch.dtype, 可選) – 返回張量的期望資料型別。如果指定，則在執行操作之前將輸入張量轉換為 dtype。這對於防止資料型別溢位很有用。預設為 None。

• out (Tensor, optional) – 輸出張量。

另請參閱

torch.nanmean() 計算 非 NaN 元素的平均值。

示例

>>> 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]])