torch.var

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

計算由 dim 指定的維度上的方差。dim 可以是單個維度、維度列表，或 None 以在所有維度上進行縮減。

方差 ($\sigma^2$) 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 $x$ 是樣本集，$\bar{x}$ 是樣本均值，$N$ 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，除了在 dim 指定的維度上其大小為 1。否則，dim 會被壓縮（參見 torch.squeeze()），導致輸出張量的維度減少 1（或 len(dim)）。

引數

• input (Tensor) – 輸入張量。

• dim (int 或 int 的 元組, 可選) – 要縮減的維度。如果 None，則所有維度都會被縮減。

關鍵字引數

• correction (int) –

  樣本大小與樣本自由度之間的差值。預設為 Bessel 校正，correction=1。

  2.0 版本變更: 之前此引數名為 unbiased，是一個布林值，True 對應 correction=1，False 對應 correction=0。

• keepdim (bool) – 輸出張量是否保留 dim 指定的維度。

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