pytorch统计属性

1.normal

torch.normal(mean, std, *, generator=None, out=None) → Tensor

返回一个张量，其中的每个元素随机来自独立的标准正态分布。这些分布具有给定的均值和标准差。
参数：
mean (Tensor) – 每个元素tensor的均值
std (Tensor) –每个元素tensor的标准差
generator (torch.Generator, optional)-用于采样的伪随机数生成器
输出：
结果tensor

>>> torch.normal(mean=torch.arange(1., 11.), std=torch.arange(1, 0, -0.1))
tensor([  1.0425,   3.5672,   2.7969,   4.2925,   4.7229,   6.2134,
          8.0505,   8.1408,   9.0563,  10.0566])

torch.normal(mean, std=1.0, *, out=None) → Tensor

类似于上面的函数，但是所有抽取到的元素共享相同的方差（标准差）
参数：
mean (Tensor) – 每个元素tensor的均值
std (Tensor) –每个元素tensor的标准差
输出：
结果tensor

>>> torch.normal(mean=0.5, std=torch.arange(1., 6.))
tensor([-1.2793, -1.0732, -2.0687,  5.1177, -1.2303])

torch.normal(mean, std, size, *, out=None) → Tensor

类似于上面的函数，但是所有抽取到的元素共享相同的均值和方差（标准差）产生的tensor大小由size指定
参数：
size (int…) – 定义的一个输出tensor shape的整形序列
输出：
结果tensor

>>> torch.normal(2, 3, size=(1, 4))
tensor([[-1.3987, -1.9544,  3.6048,  0.7909]])

2. mean, sum, min, max, prod

torch.mean(input, *, dtype=None) → Tensor

返回输出tensor所有元素的的均值
dtype-如果指定，操作执行前会将输入张量转换为dtype。这有助于防止数据类型溢出。默认值：None。

torch.prod(input, *, dtype=None) → Tensor

返回输入张量中所有元素的乘积

torch.sum(input, *, dtype=None) → Tensor

返回输入张量中所有元素的之和

torch.min(input) → Tensor

返回输入张量中所有元素的最小值

torch.max(input) → Tensor

返回输入张量中所有元素的最大值

3.argmin, argmax

torch.argmax(input) → LongTensor
torch.argmax(input, dim, keepdim=False) → LongTensor

返回输入tensor中所有元素最大值的索引

torch.argmin(input) → LongTensor
torch.argmin(input, dim, keepdim=False) → LongTensor

返回输入tensor中所有元素最小值的索引

参数：
input (Tensor) –输入tensor
dim (int) –用于降低维度。如果设置为空（None），则返回展平后的输入中的最大值索引位置（argmax）作为结果。
keepdim (bool) – 输出张量是否会保留原始维度


dim keepdim

4. topk kthvalue

torch.topk(input, k, dim=None, largest=True, sorted=True, *, out=None)

返回输出tensor指定维度上的k个最大值

参数：
input (Tensor) – 输入张量
k (int) – k个最大值
dim (int, optional) – 指定维度
largest (bool, optional) – 控制返回最大值还是最小值
sorted (bool, optional) – 是否对返回结果排序

torch.kthvalue(input, k, dim=None, keepdim=False, *, out=None)

返回一个命名元组(values, indices) values 是输入张量在指定维度dim中每一行元素的k个最小值，indices是每个返回元素的索引位置

5. compare

>, >=, <, <=, !=, ==等价于torch.gt torch.ge torch.lt torch.le torch.ne torch.eq

torch.equal(input, other) → bool

如果input和other具有相同的size和元素，那么返回Ture否则返回False

6.norm

norm范数的主要作用是度量向量空间或矩阵中每个向量的长度或大小。
常见的向量范数包括0范数（向量中非零元素的个数）、1范数（向量中各个元素绝对值之和）、2范数（向量的模长）、无穷范数（向量中各个元素绝对值的最大值）和F范数（矩阵中所有元素平方和然后开根号
范数公式