torch.median

torch.median(input) → Tensor

返回 input 中的值的中位数。

注意

对于具有偶数个元素的 input 张量，中位数不唯一。在这种情况下，返回两个中位数中的较小值。要计算两个中位数的平均值，请使用 torch.quantile() 与 q=0.5 。

警告

此函数产生确定性（子）梯度，与 median(dim=0) 不同

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)

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

默认情况下， dim 是 input 张量的最后一个维度。

如果 keepdim 等于 True ，则输出张量的尺寸与 input 相同，除了在维度 dim 上，它们的尺寸为 1。否则， dim 被压缩（见 torch.squeeze() ），导致输出张量的维度比 input 少 1。

注意

对于维度 dim 中元素数量为偶数的 input 张量，中位数可能不唯一。在这种情况下，返回两个中位数中的较小值。要计算两个中位数的平均值，请使用 torch.quantile() 与 q=0.5 。

警告

indices 不一定包含每个中值出现的第一次，除非它是唯一的。确切的实现细节是设备特定的。通常情况下，不要期望在 CPU 和 GPU 上运行时得到相同的结果。同样，不要期望梯度是确定的。

参数:

• input (Tensor) – 输入张量。

• dim（整数）- 要减少的维度。

• keepdim（布尔值）- 输出张量是否保留 dim 。

关键字参数:

out ((Tensor, Tensor), 可选) – 第一个张量将被填充为中值，第二个张量，其数据类型必须为 long，将填充它们的索引，索引维度为 dim 和 input 。

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]))