torch.histogram

torch.histogram(input, bins, *, range=None, weight=None, density=False, out=None)

計算張量值的直方圖。

bins 可以是整數或一維張量。

如果 bins 是整數，則指定等寬區間的數量。預設情況下，區間的上下範圍由輸入張量的最小值和最大值確定。可以提供 range 引數來指定區間的範圍。

如果 bins 是一維張量，則指定區間邊緣的序列，包括最右邊的邊緣。它應至少包含 2 個元素，且元素應遞增。

引數

• input (張量) – 輸入張量。

• bins – int 或 1D Tensor。如果是整數，則定義等寬區間的數量。如果是張量，則定義區間邊緣的序列，包括最右邊的邊緣。

關鍵字引數

• range (浮點數元組) – 定義區間的範圍。

• weight (張量) – 如果提供，weight 應與 input 具有相同的形狀。input 中的每個值將其關聯的權重貢獻給對應的區間的統計結果。

• density (布林值) – 如果為 False，結果將包含每個區間的計數（或總權重）。如果為 True，結果為區間上的機率密度函式值，並進行歸一化，使得在區間範圍內的積分結果為 1。

• out (張量, 可選) – 輸出張量。(tuple, optional): 包含兩個輸出張量 (hist, bin_edges) 的結果元組。

返回值

包含直方圖值的 一維張量。bin_edges(張量): 包含直方圖區間邊緣的 一維張量。

返回型別

hist (張量)

示例

>>> torch.histogram(torch.tensor([1., 2, 1]), bins=4, range=(0., 3.), weight=torch.tensor([1., 2., 4.]))
(tensor([ 0.,  5.,  2.,  0.]), tensor([0., 0.75, 1.5, 2.25, 3.]))
>>> torch.histogram(torch.tensor([1., 2, 1]), bins=4, range=(0., 3.), weight=torch.tensor([1., 2., 4.]), density=True)
(tensor([ 0.,  0.9524,  0.3810,  0.]), tensor([0., 0.75, 1.5, 2.25, 3.]))