torch.median

torch.median(input) → Tensor

Возвращает медиану значений в input.

Примечание

Медиана не уникальна для input тензоров с чётным числом элементов. В этом случае возвращается меньшая из двух медиан. Чтобы вычислить среднее значение обеих медиан, используйте torch.quantile() с q=0.5 вместо этого.

Предупреждение

Эта функция генерирует детерминированные (суб)градиенты в отличие от median(dim=0)

Параметры:

input (Tensor) – входной тензор.

Пример:

>>> 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)

Возвращает именованную кортеж (values, indices) где values содержит медиану каждой строки input в измерении dim, а indices содержит индекс медианных значений, найденных в измерении dim.

По умолчанию, dim — это последнее измерение тензора input.

Если keepdim равно True, выходные тензоры имеют тот же размер, что и input, за исключением измерения dim, где они имеют размер 1. В противном случае dim сжимается (см. torch.squeeze()), что приводит к тому, что выходной тензор имеет на 1 меньше измерение, чем input.

Примечание

Медиана не уникальна для input тензоров с чётным числом элементов в измерении dim. В этом случае возвращается меньшая из двух медиан. Чтобы вычислить среднее значение обеих медиан в input, используйте torch.quantile() с q=0.5 вместо этого.

Предупреждение

indices не обязательно содержит первое вхождение каждого медианного значения, если оно не уникально. Точные детали реализации зависят от устройства. Не ожидайте одинаковых результатов при запуске на CPU и GPU в общем случае. По той же причине не ожидайте, что градиенты будут детерминированными.

Параметры:

• input (Tensor) – входной тензор.
• dim (int) – измерение для сокращения.
• keepdim (bool) – сохраняется ли размер выходного тензора.

Ключевые аргументы:

out ((Tensor, Tensor), optional) – Первый тензор будет заполнен медианными значениями, а второй тензор, который должен иметь тип long, содержит их индексы в измерении dim от input.

Пример:

>>> 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]))