torch.bincount

torch.bincount(input, weights=None, minlength=0) → Tensor

计算非负整数数组中每个值的频率。

直方图的 bin 数量（大小为 1）比 `input` 中的最大值大一，除非 `input` 为空，此时结果是一个大小为 0 的张量。如果指定了 `minlength`，则 bin 的数量至少为 `minlength`，并且如果 `input` 为空，则结果是大小为 `minlength` 且填充了零的张量。如果 `n` 是位置 `i` 处的值，则 `out[n] += weights[i]`（如果指定了 `weights`），否则 `out[n] += 1`。

注意

此操作在使用 CUDA 设备上的张量时可能会产生非确定性梯度。有关更多信息，请参阅 可复现性。

参数

• input (Tensor) – 一维整数张量

• weights (Tensor) – 可选，输入张量中每个值的权重。应与输入张量大小相同。

• minlength (int) – 可选，最小 bin 数量。应为非负数。

返回

如果 `input` 非空，则形状为 `Size([max(input) + 1])` 的张量，否则为 `Size(0)`

返回类型

output (Tensor)

示例

>>> input = torch.randint(0, 8, (5,), dtype=torch.int64)
>>> weights = torch.linspace(0, 1, steps=5)
>>> input, weights
(tensor([4, 3, 6, 3, 4]),
 tensor([ 0.0000,  0.2500,  0.5000,  0.7500,  1.0000])

>>> torch.bincount(input)
tensor([0, 0, 0, 2, 2, 0, 1])

>>> input.bincount(weights)
tensor([0.0000, 0.0000, 0.0000, 1.0000, 1.0000, 0.0000, 0.5000])