torch.mean

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

注意

如果 input 張量是空的，torch.mean() 會回傳 nan。此行為與 NumPy 一致，並遵循空集合的平均值未定義的定義。

回傳 input 張量中所有元素的平均值。輸入必須是浮點數或複數。

參數

input (Tensor) – 輸入張量，dtype 為浮點數或複數

關鍵字參數

dtype (torch.dtype, optional) – 回傳張量所需的資料類型。如果指定，輸入張量會在執行操作前轉換為 dtype。這有助於防止資料類型溢位。預設值：None。

範例

>>> 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

回傳給定維度 dim 中 input 張量的每一列的平均值。 如果 dim 是維度的列表，則在所有維度上進行縮減。

如果 keepdim 為 True，則輸出張量的大小與 input 相同，除了維度 dim (或多個維度) 大小為 1 之外。 否則，dim 將被壓縮（請參閱 torch.squeeze()），導致輸出張量少 1 個（或 len(dim)）維度。

參數

• input (Tensor) – 輸入張量。

• dim (int or tuple of ints) – 要縮減的維度或多個維度。

• keepdim (bool) – 輸出張量是否保留 dim。

關鍵字參數

• dtype (torch.dtype, optional) – 回傳張量所需的資料類型。如果指定，輸入張量會在執行操作前轉換為 dtype。這有助於防止資料類型溢位。預設值：None。

• out (Tensor, optional) – 輸出張量。

另請參閱

torch.nanmean() 計算 non-NaN 元素的平均值。

範例

>>> 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]])