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 以减少所有维度。

方差 ($\sigma^2$) 计算如下

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

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，则输出张量的尺寸与 input 相同，除了维度 dim 的尺寸为 1。否则， dim 将被压缩（参见 torch.squeeze()），导致输出张量减少 1 个（或 len(dim) 个）维度。

参数

• input (张量) – 输入张量。

• dim (整数 或 整数元组，可选) – 要约减的维度。如果为 None，则所有维度都将被约减。

关键字参数

• correction (整数) –

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

  版本 2.0 中的变更： 之前此参数称为 unbiased，并且是一个布尔值，True 对应于 correction=1，False 对应于 correction=0。

• keepdim (布尔值) – 输出张量是否保留 dim。

• out (张量，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]])