torch.std

torch.std(input, dim=None, *, correction=1, keepdim=False, out=None) → Tensor

计算指定维度 dim 上数据的标准差。 dim 可以是单个维度、维度列表，或者 None（表示减化所有维度）。

标准差（$\sigma$）的计算公式为：

$$\sigma = \sqrt{\frac{1}{\max(0,~N - \delta N)}\sum_{i=0}^{N-1}(x_i-\bar{x})^2}$$

其中 $x$ 是元素样本集，$\bar{x}$ 是样本均值，$N$ 是样本数量，而 $\delta N$ 是 correction。

如果 keepdim 为 True，则输出张量的大小与 input 相同，只是在 dim 指定的维度上大小为 1。否则，dim 会被压缩（参见 torch.squeeze()），导致输出张量比输入张量少 1 个（或 len(dim) 个）维度。

参数

• input (Tensor) – 输入张量。

• dim (int 或 tuple of ints, 可选) – 要约简的维度或维度。如果为 None，则约简所有维度。

关键字参数

• correction（int）–

  样本大小与样本自由度之间的差值。默认为 贝塞尔校正，即 correction=1。

  2.0 版本中已更改： 此参数以前称为 unbiased，是一个布尔值，True 对应 correction=1，False 对应 correction=0。

• keepdim (bool, 可选) – 指定输出张量是否保留 dim。默认为 False。

• out (Tensor, optional) – 输出张量。

示例

>>> a = torch.tensor(
...     [[ 0.2035,  1.2959,  1.8101, -0.4644],
...      [ 1.5027, -0.3270,  0.5905,  0.6538],
...      [-1.5745,  1.3330, -0.5596, -0.6548],
...      [ 0.1264, -0.5080,  1.6420,  0.1992]]
... )  # fmt: skip
>>> torch.std(a, dim=1, keepdim=True)
tensor([[1.0311],
        [0.7477],
        [1.2204],
        [0.9087]])