torch.median¶

torch.median(input) → 张量¶

返回input中值的中位数。

注意

对于元素数量为偶数的input张量，中位数并不唯一。在这种情况下，返回两个中位数中较小的一个。要计算两个中位数的平均值，请使用torch.quantile()并设置q=0.5。

警告

与median(dim=0)不同，此函数生成确定性（子）梯度

Parameters: 输入 (张量) – 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)

返回一个命名元组 (values, indices)，其中 values 包含 input 在维度 dim 中每行的中位数，而 indices 包含在维度 dim 中找到的中位数的索引。

默认情况下，dim 是 input 张量的最后一个维度。

如果 keepdim 是 True，输出张量的大小与 input 相同，除了在维度 dim 上它们的大小为1。否则，dim 会被压缩（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，中位数并不唯一。在这种情况下，返回两个中位数中较小的一个。要在 input 中计算两个中位数的平均值，请使用 torch.quantile() 并设置 q=0.5。

警告

indices 不一定包含找到的每个中值的首次出现，除非它是唯一的。具体的实现细节因设备而异。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。

Parameters

输入 (张量) – 输入张量。
dim (int) – 要减少的维度。
keepdim (布尔值) – 输出张量是否保留dim。

Keyword Arguments

out ((Tensor, Tensor), 可选) – 第一个张量将被填充中位数值，第二个张量（必须具有 dtype long）将填充它们在维度 dim 中的索引。

示例：

>>> a = torch.randn(4, 5)
>>> a
张量([[ 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=张量([-0.3982,  0.2270,  0.2488,  0.4742]), indices=张量([1, 4, 4, 3]))