torch.median

torch.median(input) → 张量

返回 input 中的值的中位数。

注意

对于元素数量为偶数的 input 张量，中位数不是唯一的。在这种情况下，将返回两个中位数中较低的一个。要计算两个中位数的平均值，请改用带有 q=0.5 的 torch.quantile()。

警告

与 median(dim=0) 不同，此函数会产生确定性的（子）梯度。

参数

input (张量) – 输入张量。

示例

>>> 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)

返回一个命名元组 (values, indices)，其中 values 包含 input 在维度 dim 中每行的中位数，而 indices 包含在维度 dim 中找到的中位数值的索引。

默认情况下，dim 是 input 张量的最后一个维度。

如果 keepdim 为 True，则输出张量的大小与 input 相同，但维度 dim 的大小为 1。否则，将压缩 dim（参见 torch.squeeze()），导致输出张量的维度比 input 少 1。

注意

对于在维度 dim 中元素数量为偶数的 input 张量，中位数不是唯一的。在这种情况下，将返回两个中位数中较低的一个。要计算 input 中两个中位数的平均值，请改用带有 q=0.5 的 torch.quantile()。

警告

indices 不一定包含找到的每个中位数值的第一次出现，除非该值是唯一的。具体的实现细节取决于设备。通常不要期望在 CPU 和 GPU 上运行时得到相同的结果。出于同样的原因，不要期望梯度是确定性的。

参数

• input (张量) – 输入张量。

• dim (int) – 要减小的维度。

• keepdim (bool) – 输出张量是否保留维度 dim。

关键字参数

out ((张量, 张量), 可选) – 第一个张量将填充中位数值，第二个张量（必须是 long 类型）将填充它们在 input 的维度 dim 中的索引。

示例

>>> 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]))