pytorch里面的mean函数使用

import torch

x = torch.arange(24).view(2,3,4).float()
print(x)

"""
输出是这样的
[[[ 0.,  1.,  2.,  3.],
  [ 4.,  5.,  6.,  7.],
  [ 8.,  9., 10., 11.]],

 [[12., 13., 14., 15.],
  [16., 17., 18., 19.],
  [20., 21., 22., 23.]]]
"""

如上，创建一个shape为（2,3,4）的张量。我们可以把它看成一个图片，图片的shape为

（channels=2， width=3,  height=4）

1.所谓的mean就是取平均值，无非就是看取哪一个维度的平均值

例如，在第0个维度channels上取平均值：

import torch

x = torch.arange(24).view(2,3,4).float()
y1 = x.mean([0])
print(y1)


"""
x输出是这样的
[[[ 0.,  1.,  2.,  3.],
  [ 4.,  5.,  6.,  7.],
  [ 8.,  9., 10., 11.]],

 [[12., 13., 14., 15.],
  [16., 17., 18., 19.],
  [20., 21., 22., 23.]]]
"""


"""
y1输出结果为：
[[ 6.,  7.,  8.,  9.],
 [10., 11., 12., 13.],
 [14., 15., 16., 17.]]
"""

 通过对比x和y1的输出结果可以看出：对于一个（channels，width, height）的张量，如果在channels上取均值的话，就是对每一个channel相加然后取平均值，它输出的shape为（width， height）。

以RGB图像为例，在channels上取均值，就是对RGB三个通道计算平均值，最后变成一个通道。