torch.std

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

計算由 dim 指定維度上的標準差。dim 可以是單一維度、維度列表，或是 None 以縮減所有維度。

標準差 ($\sigma$) 計算方式如下：

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

其中 $x$ 是元素的樣本集，$\bar{x}$ 是樣本平均值，$N$ 是樣本數，而 $\delta N$ 是 correction。

如果 keepdim 為 True，則輸出張量的大小與 input 相同，除了在維度 dim 上的大小為 1。 否則，dim 會被壓縮 (squeeze) (請參閱 torch.squeeze())，導致輸出張量的維度減少 1 (或 len(dim)) 個。

參數

• input (Tensor) – 輸入張量。

• dim (int 或 int 的 tuple) – 要縮減的維度或多個維度。

關鍵字參數

• correction (int) –

  樣本大小和樣本自由度之間的差異。預設為 貝索校正，correction=1。

  在 2.0 版本中變更: 先前此引數稱為 unbiased 且為布林值，其中 True 對應於 correction=1，而 False 則為 correction=0。

• keepdim (bool) – 輸出張量是否保留 dim 維度。

• out (Tensor, optional) – 輸出張量。

範例

>>> 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]])
>>> torch.std(a, dim=1, keepdim=True)
tensor([[1.0311],
        [0.7477],
        [1.2204],
        [0.9087]])