本系列教程适用于没有任何pytorch的同学（简单的python语法还是要的），从代码的表层出发挖掘代码的深层含义，理解具体的意思和内涵。pytorch的很多函数看着非常简单，但是其中包含了很多内容，不了解其中的意思就只能【看懂代码】，无法【理解代码】。
目录
官方定义
顾名思义，torch.mean返回输入张量中所有元素的平均值:
def mean(input: Tensor, dim: Sequence[Union[str, ellipsis, None]], keepdim: _bool=False, *, dtype: Optional[_dtype]=None, out: Optional[Tensor]=None) -> Tensor:上述的源码的定义，看起来参数十分多，但实际只需要记住下面几个参数：
- input，输出是一个张量(tensor)，注意如果不是tensor可以通过
torch.tensor转换为tensor - dim，取平均值的维度，默认值是对tensor里的所有元素取平均值
- keepdim，即保留张量的维度，因为取平均值后肯定是降维的，但是keepdim=True可以使得输出张量的维度与输入张量保持一致
官方的文档如下，torch.mean
demo
看下面一个例子：
python
matrix = [[1, 2, 3],
[4, 5, 6],
[7, 8, 9]]
tensor = torch.tensor(matrix)
print(tensor)输出的结果：
直接求mean：
torch.mean(tensor)出现错误：RuntimeError: mean(): could not infer output dtype. Input dtype must be either a floating point or complex dtype. Got: Long
意思是mean()，只能接受浮点数或复数类型的张量作为输入，所以先将tensor转化为float：
tensor = tensor.float()不配置任何参数
直接使用torch.mean():
torch.mean(tensor)
输出的结果正好是1+2+...+9的平均值是5，所以如果不设置任何参数，那么默认取各个维度的平均值。
设置按维度求平均
维度0：
torch.mean(tensor, dim=0)
可以理解为矩阵按列求平均值。
维度0：
torch.mean(tensor, dim=0)
可以理解为矩阵按行求平均值。
设置keepdim=True
torch.mean(tensor, dim=0, keepdim=True)
其实就是在torch.mean(tensor, dim=0)的基础上，输出的一位张量上加上一对\[\]从而变为二维张量。
因为之前是按列求和，所以最后压缩为一行，然后补充行。
torch.mean(tensor, dim=1, keepdim=True)
而dim=1是按行计算平均值，最后压缩的是列。
总结
torch.mean是个比较简单的函数，但是需要明白以下两点：
- 第二个参数dim，决定了按哪个维度进行计算
- 第三个参数keepdim，可以将输出张量的维度与输入张量保持一致