torch.median¶
- torch.median(input) Tensor ¶
返回
input
中值的中间值。注意
对于具有偶数个元素的
input
张量,中间值不是唯一的。在这种情况下,将返回两个中间值中较小的那个。要计算两个中间值的平均值,请使用torch.quantile()
以及q=0.5
。警告
与
median(dim=0)
不同,此函数产生确定性(子)梯度。- 参数
input (Tensor) – 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)
返回一个名为元组
(values, indices)
,其中values
包含input
在维度dim
中每一行的中间值,而indices
包含在维度dim
中找到的中间值的索引。默认情况下,
dim
是input
张量的最后一个维度。如果
keepdim
为True
,则输出张量与input
的大小相同,除了维度dim
的大小为 1。否则,dim
将被压缩(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
中具有偶数个元素的input
张量,中间值不是唯一的。在这种情况下,将返回两个中间值中较小的那个。要计算input
中两个中间值的平均值,请使用torch.quantile()
以及q=0.5
。警告
indices
不一定包含找到的每个中间值的首次出现,除非它唯一。确切的实现细节是特定于设备的。通常情况下,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。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]))