torch.var

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

計算由 dim 指定維度上的變異數。dim 可以是單個維度、維度列表或 None，表示在所有維度上進行縮減。

變異數（$\sigma^2$）的計算公式如下：

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

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

如果 keepdim 為 True，則輸出張量的大小與 input 相同，但 dim 維度的大小為 1。 否則，dim 會被壓縮（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 or tuple of ints, optional) – 要縮減的維度。 如果為 None，則會縮減所有維度。

關鍵字參數

• correction (int) –

  樣本大小與樣本自由度之間的差異。預設為 貝索校正 (Bessel’s correction)，correction=1。

  版本 2.0 更新：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) – 指輸出張量是否保留 dim 維度。

• out (Tensor, optional) – 輸出張量 (可選)。

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