torch.mean 或 x.mean

以shape为(2, 3, 3)的tensor为例，理解x.mean或torch.mean的用法

1. 创建tensor

import torch
x = torch.arange(18, dtype=torch.float32).view(2, 3, 3)

2. dim=0时

dim_0 = x.mean(dim=0)
print(dim_0)

输出结果：

可以看出，dim=0时，在x的通道维度进行了求平均，以dim_0[0][0]为例，dim_0[0][0] = (x[0][0][0]+x[1][0][0])/2。

3. dim=1时

dim_1 = x.mean(dim=1)
print(dim_1)

输出结果：

可以看出，当dim=1时，在x的行方向（或者说高H方向）进行求平均，以dim_1[0][0]为例，dim_1[0][0] = (x[0][0][0]+x[0][1][0]+x[0][2][0])/3。

4. dim=2时

dim_2 = x.mean(dim=2)
print(dim_2)

可以看出，当dim=2时，在x的列方向（或者说宽W方向）进行求平均。

5. dim=[1, 2]

dim_1_2 = x.mean(dim=[1, 2])
print(dim_1_2)

输出结果：

在行方向求平均的结果上再沿列方向求平均

6. dim=[0, 1]

dim_0_1 = x.mean(dim=[0, 1])
print(dim_0_1)

输出结果：
![dim=0, 1
在沿通道方向求平均的结果上再沿行方向求平均

另一个参数keepdim，默认值为False

比较keepdim=False与keepdim=True时的输出结果：

可以看出，keepdim=True时维度保持不变

x.mean(dim)与torch.mean(x,dim)

x.mean(dim)与torch.mean(x,dim)能够实现相同的效果。

以上均为个人理解，如有错误或不妥之处，欢迎大家批评指正！！