Table of Contents
Shortcuts

torch.std_mean

torch.std_mean(input, dim=None, *, correction=1, keepdim=False, out=None)

计算在由dim指定的维度上的标准差和均值。dim可以是一个单一维度、维度列表，或者None以在所有维度上进行缩减。

标准差（σ\sigma）的计算公式为

σ=1max⁡(0, N−δN)∑i=0N−1(xi−xˉ)2\sigma = \sqrt{\frac{1}{\max(0,~N - \delta N)}\sum_{i=0}^{N-1}(x_i-\bar{x})^2}

其中 xx 是元素的样本集，xˉ\bar{x} 是样本均值，NN 是样本数量，δN\delta N 是修正。

如果 keepdim 是 True，输出张量的大小与 input 相同，除了在维度 dim 上大小为1。 否则，dim 被压缩（参见 torch.squeeze()），导致输出张量减少1（或 len(dim)）个维度。

Parameters

  • 输入 (张量) – 输入张量。

  • dim (int 或 tuple 的 ints，可选) – 要减少的维度或多个维度。 如果 None，则所有维度都被减少。

Keyword Arguments

  • 校正 (int) –

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

    版本 2.0 中的更改: 以前此参数称为 unbiased，并且是一个布尔值 其中 True 对应于 correction=1，False 为 correction=0。

  • keepdim (布尔值) – 输出张量是否保留dim。

  • 输出 (张量, 可选) – 输出张量。

Returns

一个包含标准差和均值的元组 (std, mean)。

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]])
>>> torch.std_mean(a, dim=0, keepdim=True)
(tensor([[1.2620, 1.0028, 1.0957, 0.6038]]),
 tensor([[ 0.0645,  0.4485,  0.8707, -0.0665]]))
优云智算