PyTorchでテンソルの平均と標準偏差を計算する方法は？

PyTorchテンソルは、numpy配列のようなものです。唯一の違いは、テンソルがGPUを利用して数値計算を高速化することです。 意味 テンソルの値は、 torch.mean（）を使用して計算されます 方法。入力テンソルのすべての要素の平均値を返します。行方向と列方向の平均を計算して、適切な軸または薄暗い値を提供することもできます。

テンソルの標準偏差は、 torch.std（）を使用して計算されます。 。テンソル内のすべての要素の標準偏差を返します。 平均のように 、標準偏差を計算することもできます 、行または列ごと。

ステップ

• 必要なライブラリをインポートします。以下のすべてのPythonの例では、必要なPythonライブラリはトーチです。 。すでにインストールされていることを確認してください。

• PyTorchテンソルを定義して印刷します。

• torch.mean（input、axis）を使用して平均を計算します 。ここで、入力は、平均を計算するテンソルと軸（または薄暗い）です。 ）はディメンションのリストです。計算された平均を新しい変数に割り当てます。

• torch.std（input、axis）を使用して標準偏差を計算します 。ここで、入力はテンソルです。 および軸 （または薄暗い ）はディメンションのリストです。計算された標準偏差を新しい変数に割り当てます。

• 上記で計算された平均と標準偏差を印刷します。

例1

次のPythonプログラムは、1Dテンソルの平均と標準偏差を計算する方法を示しています。

# Python program to compute mean and standard
# deviation of a 1D tensor
# import the library
import torch

# Create a tensor
T = torch.Tensor([2.453, 4.432, 0.754, -6.554])
print("T:", T)

# Compute the mean and standard deviation
mean = torch.mean(T)
std = torch.std(T)

# Print the computed mean and standard deviation
print("Mean:", mean)
print("Standard deviation:", std)

出力

T: tensor([ 2.4530, 4.4320, 0.7540, -6.5540])
Mean: tensor(0.2713)
Standard deviation: tensor(4.7920)

例2

次のPythonプログラムは、2Dテンソルの平均と標準偏差を、行方向と列方向の両方の次元で計算する方法を示しています。

# import necessary library
import torch

# create a 3x4 2D tensor
T = torch.Tensor([[2,4,7,-6],
[7,33,-62,23],
[2,-6,-77,54]])
print("T:\n", T)

# compute the mean and standard deviation
mean = torch.mean(T)
std = torch.std(T)
print("Mean:", mean)
print("Standard deviation:", std)

# Compute column-wise mean and std
mean = torch.mean(T, axis = 0)
std = torch.std(T, axis = 0)
print("Column-wise Mean:\n", mean)
print("Column-wise Standard deviation:\n", std)

# Compute row-wise mean and std
mean = torch.mean(T, axis = 1)
std = torch.std(T, axis = 1)
print("Row-wise Mean:\n", mean)
print("Row-wise Standard deviation:\n", std)

出力

T:
tensor([[ 2., 4., 7., -6.],
         [ 7., 33., -62., 23.],
         [ 2., -6., -77., 54.]])
Mean: tensor(-1.5833)
Standard deviation: tensor(36.2703)
Column-wise Mean:
tensor([ 3.6667, 10.3333, -44.0000, 23.6667])
Column-wise Standard deviation:
tensor([ 2.8868, 20.2567, 44.7996, 30.0056])
Row-wise Mean:
tensor([ 1.7500, 0.2500, -6.7500])
Row-wise Standard deviation:
tensor([ 5.5603, 42.8593, 53.8602])