torch.histogram

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

Вычисляет гистограмму значений в тензоре.

bins может быть целым числом или одномерным тензором.

Если bins является целым числом, оно определяет количество равномерно широких бинов. По умолчанию нижняя и верхняя границы бинов определяются минимальным и максимальным элементами входного тензора. Аргумент range может быть предоставлен для указания диапазона для бинов.

Если bins является одномерным тензором, он определяет последовательность границ бинов, включая правую границу. Он должен содержать по крайней мере 2 элемента, и его элементы должны возрастать.

Параметры:

• input (Тензор) – входной тензор.
• bins – целое число или одномерный тензор. Если целое число, определяет количество равномерно широких бинов. Если тензор, определяет последовательность границ бинов, включая правую границу.

Ключевые аргументы:

• range (кортеж из python:float) – Определяет диапазон бинов.
• weight (Тензор) – Если указан, weight должен иметь такую же форму, как input. Каждое значение в input вносит свой вес в результат своего бина.
• density (bool) – Если False, результат будет содержать счёт (или общий вес) в каждом бине. Если True, результат является значением плотности вероятностной функции по бинам, нормированным таким образом, что интеграл по диапазону бинов равен 1.
• out (Тензор, необязательно) – выходной тензор. (кортеж, необязательно): Результирующий кортеж из двух выходных тензоров (hist, bin_edges).

Возвращаемое значение:

Одномерный тензор, содержащий значения гистограммы. bin_edges(Тензор): Одномерный тензор, содержащий границы бинов гистограммы.

Тип возвращаемого значения:

hist (Тензор)

Пример:

>>> 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.]))