Python 按一列中的特定值对行进行分组，并计算PyTorch中的平均值

样本张量：

tensor([[ 0.,  1.,  2.,  3.,  4.,  5.],  # class1
        [ 6.,  7.,  8.,  9., 10., 11.],  # class3
        [12., 13., 14., 15., 16., 17.],  # class2
        [18., 19., 20., 21., 22., 23.],  # class0
        [24., 25., 26., 27., 28., 29.].  # class1
])

预期结果：

tensor([[18., 19., 20., 21., 22., 23.], # class0
        [12., 13., 14., 15., 16., 17.], # class1
        [12., 13., 14., 15., 16., 17.], # class2
        [ 6.,  7.,  8.,  9., 10., 11.]. # class3
]) 

---

是否有一个纯PyTorch方法来实现这一点？

您可以使用根据类索引添加，然后除以每个标签的编号，使用以下公式计算：

#输入
x=torch.arange（30.）视图（5,6）#样本张量
c=c=torch.tensor（[1,3,2,0,1]，dtype=torch.long）#类指数
#为输出分配空间
结果=torch.zero（（c.max（）+1，x.shape[1]），dtype=x.dtype）
#使用index_add_u根据类对行进行汇总
结果.索引添加（0，c，x）
#使用“唯一”来计算每个类的数量
_，counts=torch.unique（c，return\u counts=True）
#将总和除以计数得到平均值
结果/=计数[：，无]

结果与预期一致：

Out[*]：
张量（[[18,19,20,21,22,23.]，
[12., 13., 14., 15., 16., 17.],
[12., 13., 14., 15., 16., 17.],
[ 6.,  7.,  8.,  9., 10., 11.]])
如果输入是3D张量，我可以在没有循环的情况下执行这些操作吗？