有趣的是，PyTorch似乎没有为此提供任何操作符，至少没有根据它的搜索功能。
不过幸运的是，PyTorch Tensors可以很容易地与NumPy函数一起使用，这样你就可以简单地调用numpy.percentile，见下面的例子：

import torch as t
import numpy as np

x = t.Tensor([1,2,3])
print(np.percentile(x, 30)) # 30-th percentile of x
# 1.6

实际上，icdf函数给出了反累积密度函数值，即百分位值。

import torch
from torch.distributions import Normal
dist = Normal(torch.tensor([0.0]), torch.tensor([1.0]))
dist.icdf(torch.tensor([0.95])).data.numpy()

导致

array([1.6449], dtype=float32)

我不知道赞成和反对，但有方法使用cupy与pytorch的dlpack：
(cupy不直接支持pytorchTensor，CuPy函数不接受torchTensor。）

import torch
from torch.utils.dlpack import to_dlpack
from torch.utils.dlpack import from_dlpack
import cupy

x = torch.Tensor([1, 2, 3]).cuda()
dx = to_dlpack(x)
cx = cupy.fromDlpack(dx)
print(cupy.percentile(cx, 30)) # 30-th percentile of x
# 1.5999999642372131

PyTorch的分位数its own implementation与numpy.quantile类似，本质上是analogous to the percentile，但使用十进制值而不是百分位数。
例如，可以按如下方式计算Tensor的第50百分位数：

import torch

input = torch.tensor([1., 2., 3., 4., 5.])
print(torch.quantile(input, 0.5)) # 50-th percentile
# tensor(3.)