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 нижний и верхний пределы бинов определяются минимальным и максимальным элементами входного тензора. Аргумент range может быть предоставлен для задания 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 быть возрастающими.

Параметры

• input (Tensor) – 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 float) – Определяет диапазон бинов.
• weight (Tensor) – Если предоставлено, weight должен иметь ту же форму, что и input. Каждое значение в input вносит свой связанный вес в результат своего бина.
• density (bool) – Если False, результат будет содержать количество (или общий вес) в каждом бине. Если True, результат представляет собой значение функции плотности вероятности по бинам, нормированное таким образом, что интеграл по диапазону бинов равен 1.
• out (Tensor, необязательный) – выходной тензор. (кортеж, необязательный): Результирующий кортеж из двух выходных тензоров (hist, bin_edges).

Возвращает

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

Тип возвращаемого значения

hist (Tensor)

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.]))