torch.mean()方法-优快云博客

本文链接：https://blog.youkuaiyun.com/shuaiqidexiaojiejie/article/details/123970745

本文详细介绍了PyTorch中计算张量均值的方法torch.mean()，包括参数输入、维度选择及keepdim选项的使用。通过实例展示了不同参数设置下均值计算的结果，帮助读者深入理解该函数的用法。请注意，mean()函数只适用于浮点数数据类型。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、方法详解

含义：顾名思义，返回一个Tensor的均值

torch.mean(input, dim, keepdim=False)

input：输入的张量
dim：求均值的维度，若dim = 0，则沿行求均值，返回的形状是（1，列数）；若dim=1，则沿列求均值，返回的形状是（行数，1）,默认不设置dim的时候，返回的是所有元素的平均值。
keepdim：输出张量是否跟输入张量的另一个维度相同

需要注意的是 mean()函数只能在float格式的数据上处理

如果不是，要不就x = x.float()

或者定义的时候 dtype=torch.float

这个用言语很难说明白，我们直接通过案例来理解掌握！

import torch
from torch.autograd import Variable  # torch 中 Variable 模块

tensor = torch.FloatTensor([[1,2],[3,4]])
print(tensor)
out = tensor*tensor
t_out = torch.mean(tensor*tensor,dim=0,keepdim=True)
v_out = torch.mean(tensor*tensor,dim=1,keepdim=True)
m_out = torch.mean(tensor*tensor)
print(out)
print(out.size())
print(t_out)
print(t_out.size())
print(v_out)
print(v_out.size())
print(m_out)
print(m_out.size())

tensor([[1., 2.],
        [3., 4.]])
tensor([[ 1.,  4.],
        [ 9., 16.]])
torch.Size([2, 2])
tensor([[ 5., 10.]])
torch.Size([1, 2])
tensor([[ 2.5000],
        [12.5000]])
torch.Size([2, 1])
tensor(7.5000)
torch.Size([])