torch.std

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

计算指定维度的标准差。 dim 可以是单个维度、维度列表或 None 以减少所有维度。

标准差（ $\sigma$ ）的计算公式为

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

其中 $x$ 是样本元素集合， $\bar{x}$ 是样本均值， $N$ 是样本数量， $\delta N$ 是 correction 。

如果 keepdim 是 True ，则输出张量的大小与 input 相同，除了在维度 dim 上它的大小为 1。否则， dim 被挤压（见 torch.squeeze() ），导致输出张量维度减少 1（或 len(dim) ）。

参数:

• input (Tensor) – 输入张量。

• dim (int 或 int 的元组) – 要减少的维度或维度。

关键字参数:

• 校正（int）-

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

  版本 2.0 变更：之前这个参数被称为 unbiased ，是一个布尔值， True 对应于 correction=1 ，而 False 是 correction=0 。

• keepdim（布尔值）- 输出张量是否保留 dim 。

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