快捷方式

torch.var_mean

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

计算由 dim 指定的维度上的方差和均值。 dim 可以是单个维度、维度列表或 None,以对所有维度进行缩减。

方差 (σ2\sigma^2) 计算如下

σ2=1max(0, NδN)i=0N1(xixˉ)2\sigma^2 = \frac{1}{\max(0,~N - \delta N)}\sum_{i=0}^{N-1}(x_i-\bar{x})^2

其中 xx 是元素样本集,xˉ\bar{x} 是样本均值,NN 是样本数量,δN\delta Ncorrection

如果 keepdimTrue,输出张量与 input 大小相同,除了在维度 dim 上,其大小为 1。否则,dim 将被压缩(参见 torch.squeeze()),导致输出张量少了一个(或 len(dim) 个)维度。

参数
  • input (Tensor) – 输入张量。

  • dim (inttuple of ints, 可选) – 要减少的维度或维度。如果为 None,则减少所有维度。

关键字参数
  • correction (int) –

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

    版本 2.0 中已更改: 以前此参数称为 unbiased,并且是一个布尔值,True 对应于 correction=1,而 Falsecorrection=0

  • keepdim (bool) – 输出张量是否保留 dim

  • out (Tensor, 可选) – 输出张量。

返回值

包含方差和均值的元组 (var, 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.var_mean(a, dim=0, keepdim=True)
(tensor([[1.5926, 1.0056, 1.2005, 0.3646]]),
 tensor([[ 0.0645,  0.4485,  0.8707, -0.0665]]))

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取针对初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获得答案

查看资源