torch.median

torch.median(input) → Tensor

傳回 input 中值的的中位數。

注意

對於具有偶數個元素的 input 張量，中位數並非唯一。 在這種情況下，會傳回兩個中位數中較小的一個。 若要計算兩個中位數的平均值，請改用 torch.quantile()，並將 q=0.5 作為參數傳入。

警告

此函數會產生確定性的（次）梯度，與 median(dim=0) 不同。

參數

input (Tensor) – 輸入張量。

範例

>>> a = torch.randn(1, 3)
>>> a
tensor([[ 1.5219, -1.5212,  0.2202]])
>>> torch.median(a)
tensor(0.2202)

torch.median(input, dim=-1, keepdim=False, *, out=None)

傳回一個 namedtuple (values, indices)，其中 values 包含 input 在維度 dim 中每列的中位數，而 indices 包含在維度 dim 中找到的中位數值的索引。

預設情況下，dim 是 input 張量的最後一個維度。

如果 keepdim 為 True，則輸出張量的大小與 input 相同，但在維度 dim 中，它們的大小為 1。 否則，dim 會被壓縮（請參閱 torch.squeeze()），從而導致輸出張量的維度比 input 少 1。

注意

對於在維度 dim 中具有偶數個元素的 input 張量，中位數並非唯一。 在這種情況下，會傳回兩個中位數中較小的一個。 若要計算 input 中兩個中位數的平均值，請改用 torch.quantile()，並將 q=0.5 作為參數傳入。

警告

indices 不一定包含找到的每個中位數值的第一次出現，除非它是唯一的。 確切的實作細節是裝置特定的。 一般來說，不要期望在 CPU 和 GPU 上運行時獲得相同的結果。 出於同樣的原因，不要期望梯度是確定性的。

參數

• input (Tensor) – 輸入張量。

• dim (int) – 要縮減的維度。

• keepdim (bool) – 輸出張量是否保留 dim。

關鍵字參數

out ((Tensor, Tensor), optional) – 第一個張量將填充中位數值，第二個張量（必須具有 dtype long）將填充它們在 input 的維度 dim 中的索引。

範例

>>> a = torch.randn(4, 5)
>>> a
tensor([[ 0.2505, -0.3982, -0.9948,  0.3518, -1.3131],
        [ 0.3180, -0.6993,  1.0436,  0.0438,  0.2270],
        [-0.2751,  0.7303,  0.2192,  0.3321,  0.2488],
        [ 1.0778, -1.9510,  0.7048,  0.4742, -0.7125]])
>>> torch.median(a, 1)
torch.return_types.median(values=tensor([-0.3982,  0.2270,  0.2488,  0.4742]), indices=tensor([1, 4, 4, 3]))