torch.var

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

计算由 dim 指定的维度上的方差。dim 可以是单个维度、维度列表，或 None 以在所有维度上进行缩减。

方差 ($\sigma^2$) 计算公式如下：

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

其中 $x$ 是样本集，$\bar{x}$ 是样本均值，$N$ 是样本数量，而 $\delta N$ 是 correction。

如果 keepdim 为 True，则输出张量的大小与 input 相同，除了在 dim 指定的维度上其大小为 1。否则，dim 会被压缩（参见 torch.squeeze()），导致输出张量的维度减少 1（或 len(dim)）。

参数

• input (Tensor) – 输入张量。

• dim (int 或 int 的 元组, 可选) – 要缩减的维度。如果 None，则所有维度都会被缩减。

关键字参数

• correction (int) –

  样本大小与样本自由度之间的差值。默认为 Bessel 校正，correction=1。

  2.0 版本变更: 之前此参数名为 unbiased，是一个布尔值，True 对应 correction=1，False 对应 correction=0。

• keepdim (bool) – 输出张量是否保留 dim 指定的维度。

• out (Tensor, 可选) – 输出张量。

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]])