文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

PR

小问题，全程线上修改...

一键搞定！

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

文档反馈

mindspore.Tensor.std

mindspore.Tensor.std(axis=None, ddof=0, keepdims=False)

详情请参考 mindspore.ops.std()。

mindspore.Tensor.std(dim=None, *, correction=1, keepdim=False)

计算指定维度 dim 上的标准差。 dim 可以是单个维度或维度列表，也可以是 None ，表示移除所有维度。

标准差 ( $σ$ ) 计算如下：

σ = \sqrt{\frac{1}{N - δ N} \sum_{j - 1}^{N - 1} {(s e l f_{i j} - \overset{―}{x_{i}})}^{2}}

其中 $x$ 表示用来计算标准差的样本集， $\bar{x}$ 表示样本的均值， $N$ 表示样本的数量， $δ N$ 则为 correction 的值。

警告

这是一个实验性API，后续可能修改或删除。

参数：

dim (None, int, tuple(int), 可选) - 用来进行规约计算的维度。默认值为 None ，所有维度都进行规约计算。

关键字参数：

correction (int, 可选) - 样本大小和样本自由度之间的差异。默认为Bessel校正，默认值为 1 。
keepdim (bool, 可选) - 是否保留输出Tensor的维度。如果为 True ，则保留缩小的维度，其大小为1，否则移除维度。默认值为 False 。

返回：

Tensor，标准差。

假设输入 self 的shape为 $(x_{0}, x_{1}, . . ., x_{R})$ ：

如果 dim 为()，且 keepdim 为 False ，则返回一个零维Tensor，表示输入Tensor self 中所有元素的标准差。
如果 dim 为int，如取值为 1 ，且 keepdim 为 False ，则返回Tensor的shape为 $(x_{0}, x_{2}, . . ., x_{R})$ 。
如果 dim 为tuple(int)或者list(int)，如取值为 (1, 2) ，且 keepdim 为 False ，则返回Tensor的shape为 $(x_{0}, x_{3}, . . ., x_{R})$ 。

异常：

TypeError - 如果 self 不是Tensor。
TypeError - 如果 self 的数据类型不是bfloat16、float16或float32。
TypeError - 如果 dim 不是None、int或tuple类型。
TypeError - 如果 correction 不是int类型。
TypeError - 如果 keepdim 不是bool类型。
ValueError - 如果 dim 不在 $[- s e l f . n d i m, s e l f . n d i m)$ 范围内。

支持平台：

Ascend

样例：

>>> import numpy as np
>>> from mindspore import mint, Tensor
>>> input = Tensor(np.array([[1, 2, 3], [-1, 1, 4]]).astype(np.float32))
>>> output = input.std(dim=1, correction=1, keepdim=False)
>>> print(output)
[1.      2.5166113]