torch.var

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

计算 dim 指定的维度上的方差。 dim 可以是单个维度、维度列表，或者 None（表示减少所有维度）。

方差（$\sigma^2$）的计算方式为：

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

其中 $x$ 是样本集中的元素，$\bar{x}$ 是样本均值，$N$ 是样本数，$\delta N$ 是 correction（校正值）。

如果 keepdim 为 True，则输出张量的大小与 input 相同，只是在 dim 维度（或维度们）上大小为 1。否则，dim 会被压缩（参见 torch.squeeze()），导致输出张量比 input 少 1 个（或 len(dim) 个）维度。

参数

• input (Tensor) – 输入张量。

• dim（int 或 ints 的 tuple，可选）– 要减小的维度或维度们。如果为 None，则减小所有维度。

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。

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

• keepdim（bool，可选）– 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.var(a, dim=1, keepdim=True)
tensor([[1.0631],
        [0.5590],
        [1.4893],
        [0.8258]])