Torch提供了mean沿着dim作为参数。这个dim可以接受整数元组。

import torch
tensor = torch.randn(4, 5, 6, 7)
dims_to_reduce = (1,3)
means = torch.mean(tensor, dim=dims_to_reduce, keepdim=True)
print(means.shape)
>>torch.Size([4, 1, 6, 1])

字符串

使用numpy，您可以将mean与维度/轴的元组一起用于聚合，并使用keepdims=True来保留形状：

out = arr.mean((1,2,4), keepdims=True)

字符串
范例：

np.random.seed(0)
arr = np.random.random((7, 12, 12, 197, 197))
print(arr.shape)
out = arr.mean((1,2,4), keepdims=True)
print(out.shape)

型
输出量：

(7, 12, 12, 197, 197)
(7, 1, 1, 197, 1)

型

这里是一个简单的方法，使用 Torch 。意思是，请检查它是否工作。

import torch
tensor = torch.randn(4, 5, 6, 7)  # Example tensor
nth_dim = 2  # Dimension to keep
means = torch.mean(tensor, dim=torch.arange(tensor.ndim) != nth_dim)
print(means.shape)  # Output: torch.Size([4, 6, 7])

字符串

这可以使用mean函数来完成，并告诉它在哪些轴上执行平均值，以及应该保持维度。pytorch中的代码与numpy中的代码非常相似，除了axis被替换为dim，keepdims被替换为keepdim。

import torch
a = torch.rand(7, 12, 12, 197, 197)
print(a.shape)  # torch.Size([7, 12, 12, 197, 197])
b = torch.mean(a, dim=(1,2,4), keepdim=True)
print(b.shape)  # torch.Size([7, 1, 1, 197, 1])

字符串
在Numpy

import numpy as np
rng = np.random.default_rng(42)
a = rng.random((7, 12, 12, 197, 197))
print(a.shape)  # (7, 12, 12, 197, 197)
b = np.mean(a, axis=(1,2,4), keepdims=True)
print(b.shape)  # (7, 1, 1, 197, 1)

型