torch.mean(dim=-2)张量操作

torch.mean(dim=-2) 是PyTorch中的张量操作，用于计算张量沿着指定维度的平均值。让我们来解释并举一个例子：

假设有一个三维张量 x，形状为 (2, 3, 4)，内容如下：

python

import torch x = torch.tensor([[[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]], [[13, 14, 15, 16], [17, 18, 19, 20], [21, 22, 23, 24]]])

现在我们使用 torch.mean(dim=-2) 来计算 x 沿着倒数第二个维度的平均值：

python

mean_values = torch.mean(x, dim=-2) print(mean_values)

输出结果将是：

tensor([[ 5., 6., 7., 8.], [17., 18., 19., 20.]])

解释：

• 对于第一个二维子张量 [[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]]，沿着倒数第二个维度计算平均值得到 [5, 6, 7, 8]。
• 对于第二个二维子张量 [[13, 14, 15, 16], [17, 18, 19, 20], [21, 22, 23, 24]]，沿着倒数第二个维度计算平均值得到 [17, 18, 19, 20]。

因此，torch.mean(dim=-2) 返回了一个形状为 (2, 4) 的张量，其中每一行代表了对应二维子张量沿着倒数第二个维度的平均值。