torcheval.metrics.Cat

class torcheval.metrics.Cat(*, dim: int = 0, device: device | None = None)

沿着维度 dim 连接所有输入张量。其函数版本为 torch.cat(input)。

传递给 Cat.update() 的所有输入张量必须具有相同的形状（连接维度除外）或为空。

零维张量不是 Cat.update() 的有效输入。 torch.flatten() 可用于将零维张量展平为一维张量，然后再传递给 Cat.update()。

示例

>>> import torch
>>> from torcheval.metrics import Cat
>>> metric = Cat(dim=1)
>>> metric.update(torch.tensor([[1, 2], [3, 4]]))
>>> metric.compute()
tensor([[1, 2],
        [3, 4]]))

>>> metric.update(torch.tensor([[5, 6], [7, 8]]))).compute()
tensor([[1, 2, 5, 6],
        [3, 4, 7, 8]]))

>>> metric.reset()
>>> metric.update(torch.tensor([0])).compute()
tensor([0])

__init__(*, dim: int = 0, device: device | None = None) → None

初始化 Cat 指标对象。

参数：

dim – 连接的维度，与 torch.cat() 中相同。

方法

__init__(*[, dim, device])	初始化 Cat 指标对象。
compute()	返回连接后的输入。
load_state_dict(state_dict[, strict])	从 state_dict 加载指标状态变量。
merge_state(metrics)	实现此方法以更新当前指标的状态变量，使其成为当前指标和输入指标的合并状态。
reset()	将指标状态变量重置为其默认值。
state_dict()	在 state_dict 中保存指标状态变量。
to(device, *args, **kwargs)	将指标状态变量中的张量移动到设备。
update(input)	实现此方法以更新指标类的状态变量。

属性

device

Metric.to() 的最后一个输入设备。