एक PyTorch टेंसर एक सुन्न सरणी की तरह है। अंतर केवल इतना है कि एक टेंसर संख्यात्मक गणना में तेजी लाने के लिए GPU का उपयोग करता है। माध्य एक टेंसर की गणना torch.mean() . का उपयोग करके की जाती है तरीका। यह इनपुट टेंसर में सभी तत्वों का माध्य मान लौटाता है। हम उपयुक्त अक्ष या मंद प्रदान करते हुए माध्य पंक्ति-वार और स्तंभ-वार भी गणना कर सकते हैं।
एक टेंसर के मानक विचलन की गणना torch.std() . का उपयोग करके की जाती है . यह टेंसर में सभी तत्वों का मानक विचलन लौटाता है। जैसे माध्य , हम मानक विचलन . की गणना भी कर सकते हैं , पंक्ति या स्तंभ-वार।
कदम
-
आवश्यक पुस्तकालय आयात करें। निम्नलिखित सभी पायथन उदाहरणों में, आवश्यक पायथन पुस्तकालय है टॉर्च . सुनिश्चित करें कि आपने इसे पहले ही इंस्टॉल कर लिया है।
-
एक PyTorch टेंसर को परिभाषित करें और उसे प्रिंट करें।
-
torch.mean(इनपुट, अक्ष) . का उपयोग करके माध्य की गणना करें . यहां, इनपुट वह टेंसर है जिसके लिए माध्य की गणना की जानी चाहिए और अक्ष (या मंद ) आयामों की सूची है। गणना किए गए माध्य को एक नए चर के लिए असाइन करें।
-
torch.std(इनपुट, अक्ष) . का उपयोग करके मानक विचलन की गणना करें . यहां, इनपुट टेंसर है और अक्ष (या मंद ) आयामों की सूची है। परिकलित मानक विचलन को एक नए चर में निर्दिष्ट करें।
-
ऊपर परिकलित माध्य और मानक विचलन प्रिंट करें।
उदाहरण 1
निम्नलिखित पायथन प्रोग्राम दिखाता है कि 1D टेंसर के माध्य और मानक विचलन की गणना कैसे की जाती है।
# 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) आउटपुट
T: tensor([ 2.4530, 4.4320, 0.7540, -6.5540]) Mean: tensor(0.2713) Standard deviation: tensor(4.7920)
उदाहरण 2
निम्नलिखित पायथन प्रोग्राम दिखाता है कि 2डी टेंसर के माध्य और मानक विचलन की गणना कैसे करें, दोनों आयामों में, यानी, पंक्ति-वार और साथ ही कॉलम-वार
# 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) आउटपुट
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])