torch.histc 用法解读

torch.histc(input, bins, min, max)

定义

计算一个张量的直方图。

张量中的元素被分到min和max之间的等宽bins区间中，如果min和max都为0，则使用张量中所有元素的最小值和最大值。

小于min和大于max的元素将被忽略。

参数

• input (Tensor) – the input tensor
• bins (int) – number of histogram bins
• min (Scalar) – lower end of the range (inclusive)
• max (Scalar) – upper end of the range (inclusive)

返回

• 用张量表示的直方图

用例

import torch

data = torch.tensor([1., 1, 2, 2, 2, 5, 8])
area_intersect = torch.histc(data, bins=5, min=0, max=9)
print(area_intersect)
# tensor([2., 3., 1., 0., 1.])

注意，输入不能是int类型，因此第一个元素初始化为float了

这里的含义是把[0, 9]区间均分为5个子区间，统计输入中的元素落在每个子区间里的个数。这里2个1落在[0, 1]，3个2落在[2, 3]，5落在[4, 5]，[6, 7]中没有元素，8落在[8, 9]中，因此结果就是[2, 3, 1, 0, 1]

实际应用场景

在语义分割模型中，模型的输出pred是一个单通道的特征图，gt标签label也是一个单通道的特征图，其中每个位置的像素值是该位置所属的类别。下面的代码计算的是每个类别预测对的像素个数。

intersect = pred[pred == label]
area_intersect = torch.histc(
        intersect.float(), bins=(num_classes), min=0, max=num_classes - 1)

参考

torch.histc — PyTorch 1.12 documentation