torch.mean

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

注意

如果 input 张量为空，torch.mean() 返回 nan。此行为与 NumPy 一致，并遵循空集的平均值未定义的定义。

返回 input 张量中所有元素的平均值。输入必须是浮点型或复数型。

参数

input (Tensor) – 输入张量，浮点型或复数型 dtype

关键字参数

dtype (torch.dtype, 可选) – 返回张量的期望数据类型。如果指定，则在执行操作之前，输入张量将被转换为 dtype。这对于防止数据类型溢出很有用。默认值：None。

示例

>>> 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

返回给定维度 dim 中 input 张量每一行的平均值。如果 dim 是维度列表，则在所有维度上进行归约。

如果 keepdim 为 True，则输出张量的大小与 input 相同，除了在维度 dim 中大小为 1。否则，dim 被挤压（参见 torch.squeeze()），导致输出张量具有 1（或 len(dim)）个较少的维度。

参数

• input (Tensor) – 输入张量。

• dim (int 或 ints 元组) – 要归约的维度。

• keepdim (bool) – 输出张量是否保留 dim。

关键字参数

• dtype (torch.dtype, 可选) – 返回张量的期望数据类型。如果指定，则在执行操作之前，输入张量将被转换为 dtype。这对于防止数据类型溢出很有用。默认值：None。

• out (Tensor, 可选) – 输出张量。

另请参见

torch.nanmean() 计算 非 NaN 元素的平均值。

示例

>>> 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]])