torch.mean¶

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

返回input张量中所有元素的平均值。输入必须是浮点数或复数。

Parameters: 输入 (张量) – 输入张量，可以是浮点型或复数型数据类型
Keyword Arguments: dtype (torch.dtype, 可选) – 返回张量的所需数据类型。如果指定，输入张量在操作执行前会被转换为 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
张量([[ 0.2294, -0.5481,  1.3288]])
>>> torch.mean(a)
张量(0.3367)

torch.mean(input, dim, keepdim=False, *, dtype=None, out=None) → 张量

返回给定维度dim中input张量每行的平均值。如果dim是一个维度列表，则在所有维度上进行缩减。

如果 keepdim 是 True，输出张量的大小与 input 相同，除了在维度 dim 上大小为1。否则，dim 被压缩（参见 torch.squeeze()），导致输出张量减少1（或 len(dim)）个维度。

Parameters

输入 (张量) – 输入张量。
dim (int 或 tuple 的 ints) – 要减少的维度或多个维度。
keepdim (布尔值) – 输出张量是否保留dim。

Keyword Arguments

dtype (torch.dtype, 可选) – 返回张量的所需数据类型。如果指定，输入张量在操作执行前会被转换为 dtype。这对于防止数据类型溢出很有用。默认值：None。
输出 (张量, 可选) – 输出张量。

另请参阅

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]])