python - 向量的 torch.mean(data, 0) 和 torch.mean(data) 的不同行为

Question

我很惊讶地发现 torch.mean(data, 0) 和 torch.mean(data) 的不同行为，其中“data” - 是一维张量(向量，不是矩阵或其他东西):

from torchvision import datasets
import torch

path = './MNIST_data'

data = datasets.MNIST(path, train=True, download=True).train_data.view(-1).float()

print(torch.mean(data))
print(torch.mean(data, 0))

执行后结果:

tensor(33.3184)
tensor(33.4961)

有人能猜出发生了什么事吗？我认为结果应该是相同的。

Answer 1

一个例子应该可以帮助您消除疑问。

假设我们有data = torch.Tensor([[1,2,3,4],[1,2,3,4]])

现在，当您执行 torch.mean(data) 时，它将对数据张量中的所有元素求和，然后除以该张量中的元素数量，给出结果 2.5

至于你的操作 torch.mean(data, 0) 这将沿水平方向执行平均值，这意味着它将取第一行的第一个元素为 1 并取第一个第 2 行的元素为 2，将它们相加并除以 2。这样有助于可视化数据数组

[1, 2, 3, 4]
[1, 2, 3, 4]

最终结果将是[1, 2, 3, 4]的张量，如果您知道我们最终如何得到这个张量，您就已经理解了其中的区别。

希望能够解决这个问题，如果您有疑问，请告诉我