torch.mean

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

Возвращает среднее значение всех элементов в тензоре input.

Параметры

input (Tensor) – входной тензор.

Ключевые аргументы

dtype (torch.dtype, необязательно) – желаемый тип данных возвращаемого тензора. Если указано, входной тензор приводится к типу dtype перед выполнением операции. Это полезно для предотвращения переполнения типов 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 заданному измерению dim. Если dim является списком измерений, выполняется сведение по всем им.

Если keepdim равно True, тензор результата имеет тот же размер, что и input, за исключением измерения(измерений) dim, где размер равен 1. В противном случае dim сжимается (см. torch.squeeze()), в результате чего выходной тензор имеет на 1 (или len(dim)) меньше измерение(измерения).

Параметры

• input (Tensor) – входной тензор.
• dim (int или кортеж из целых чисел) – измерение или измерения для сведения.
• keepdim (bool) – сохранять ли размерность выхода или нет.

Ключевые аргументы

• dtype (torch.dtype, необязательно) – желаемый тип данных возвращаемого тензора. Если указано, входной тензор приводится к типу dtype перед выполнением операции. Это полезно для предотвращения переполнения типов данных. По умолчанию: None.
• out (Tensor, необязательно) – выходной тензор.

См. также

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

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]])