torch.mean

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

返回input张量中所有元素的平均值。输入数据必须是浮点数或复数。

参数: 输入 (Tensor) – 输入的张量，可以是浮点类型或复数类型
关键字参数: dtype (torch.dtype, 可选) – 返回的张量的数据类型。如果指定了 dtype，则在执行操作之前将输入张量转换为此数据类型，以防止数据溢出。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 上 input 张量每一行的平均值。如果 dim 是一个维度列表，则在这多个维度上进行缩减。

如果 keepdim 是 True，则输出张量与输入张量大小相同，除了在 dim 指定的维度上其大小为 1。否则，dim 维度会被挤压（参见 torch.squeeze()），导致输出张量比输入少 1 （或 len(dim)）个维度。

参数

input (Tensor) – 需要输入的张量。
dim (int 或元组 of ints) – 需要减少的维度。
keepdim (bool) – 是否在输出张量中保留dim维度。

关键字参数

dtype (torch.dtype, 可选) – 返回的张量的数据类型。如果指定了 dtype，则在执行操作之前将输入张量转换为此数据类型，以防止数据溢出。默认值：None。
out (Tensor, 可选) – 指定输出张量。

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]])