【Torch API】pytorch 中bincount()函数详解

torch.bincount 是 PyTorch 中的函数，用于计算给定整数张量中每个值的出现次数。它返回一个张量，其中的每个元素表示输入张量中对应索引值出现的次数。

具体而言，torch.bincount 函数的语法如下：

torch.bincount(input, weights=None, minlength=0)

其中：

• input 是输入的整数张量，可以是一维或多维的。
• weights 是可选的权重张量，与 input 张量形状相同，用于加权计数。默认情况下，所有元素的权重都为 1。
• minlength 是输出张量的最小长度。如果设置为非零值，输出张量将具有至少 minlength 个元素，未出现的索引位置的计数为零。

torch.bincount 函数通常用于统计离散值的出现次数，如图中节点的批次信息、类别标签等。它可以帮助我们快速计算每个值的计数，而无需手动编写循环或其他复杂的逻辑。

以下是一个简单的示例，展示了 torch.bincount 函数的使用：

import torch

input = torch.tensor([1, 2, 2, 3, 3, 3, 4, 4, 4, 4])
counts = torch.bincount(input)

print(counts)  # 输出: tensor([0, 1, 2, 3, 4])

在这个示例中，我们传入了一个整数张量 input，其中包含了一些离散的值。torch.bincount 函数计算了每个值出现的次数，并返回了一个张量 counts，其中的每个元素表示对应值出现的次数。