torch.std

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

計算在 dim 指定的維度上的標準差。dim 可以是單個維度、維度列表，或者 None 以在所有維度上進行縮減。

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 $x$ 是樣本元素的集合，$\bar{x}$ 是樣本均值，$N$ 是樣本數量，$\delta N$ 是 correction。

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

引數

• input (Tensor) – 輸入張量。

• dim (int 或 tuple of ints) – 要縮減的維度或維度列表。

關鍵字引數

• correction (int) –

  樣本大小與樣本自由度之間的差異。預設為 貝塞爾校正，correction=1。

  版本 2.0 中的更改: 以前此引數稱為 unbiased，是一個布林值，其中 True 對應於 correction=1，而 False 對應於 correction=0。

• keepdim (bool) – 輸出張量是否保留 dim 維度。

• out (Tensor, optional) – 輸出張量。

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