torch.mean

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

Примечание

Если тензор input пуст, torch.mean() возвращает nan. Это поведение согласуется с NumPy и следует из определения, согласно которому среднее по пустому множеству не определено.

Возвращает среднее значение всех элементов тензора input. Входные данные должны иметь вещественный или комплексный тип.

Параметры:

input (Тензор) – входной тензор вещественного или комплексного типа

Именованные аргументы:

dtype (torch.dtype, необязательно) – требуемый тип данных возвращаемого тензора. Если он указан, перед выполнением операции входной тензор преобразуется к типу dtype. Это полезно для предотвращения переполнения типа данных. По умолчанию: None.

Пример:

>>> 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

Возвращает среднее значение каждой строки тензора input по указанному измерению dim. Если dim — список измерений, вычисление выполняется по всем ним.

Если keepdim равно True, выходной тензор имеет тот же размер, что и input, за исключением измерения (или измерений) dim, размер которого равен 1. В противном случае из dim удаляются измерения размера 1 (см. torch.squeeze()), в результате чего размерность выходного тензора уменьшается на 1 (или на len(dim)).

Параметры:

• input (Тензор) – входной тензор.
• dim (int или tuple целых чисел, необязательно) – измерение или измерения, по которым выполняется вычисление. Если None, вычисление выполняется по всем измерениям.
• keepdim (bool, необязательно) – следует ли сохранять dim в выходном тензоре. По умолчанию: False.

Именованные аргументы:

• dtype (torch.dtype, необязательно) – требуемый тип данных возвращаемого тензора. Если он указан, перед выполнением операции входной тензор преобразуется к типу dtype. Это полезно для предотвращения переполнения типа данных. По умолчанию: None.
• out (Тензор, необязательно) – выходной тензор.

См. также

torch.nanmean() вычисляет среднее значение элементов non-NaN.

Пример:

>>> 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]])