mindspore.Tensor.var

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

在指定维度上的方差。

方差是平均值的平方偏差的平均值，即：\(var = mean(abs(x - x.mean())**2)\) 。

返回方差值，默认情况下计算展开Tensor的方差，否则在指定维度上计算。

说明

不支持NumPy参数 dtype 、 out 和 where 。

参数：

axis (Union[None, int, tuple(int)]，可选) - 维度，在指定维度上计算方差。其默认值是展开Tensor的方差。默认值： None 。
ddof (int，可选) - δ自由度。默认值： 0 。计算中使用的除数是 \(N - ddof\) ，其中 \(N\) 表示元素的数量。
keepdims (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，大小为1。否则移除维度。默认值： False 。

返回：

含有方差值的Tensor。

异常：

TypeError - 如果 axis 不是None，int或tuple类型。
TypeError - 如果 ddof 不是int类型。
TypeError - 如果 keepdims 不是bool类型。
ValueError - 如果 axis 不在 \([-self.ndim, self.ndim)\) 范围内。

其他API参考：

mindspore.Tensor.mean() ：通过对Tensor中的所有元素求平均值来减少Tensor的维数。
mindspore.Tensor.std() ：计算沿指定轴的标准差。

支持平台：

Ascend GPU CPU

样例：

>>> import numpy as np
>>> from mindspore import Tensor
>>> input_x = Tensor(np.array([1., 2., 3., 4.], np.float32))
>>> output = input_x.var()
>>> print(output)
1.25

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

计算指定维度 dim 上的方差。 dim 可以是单个维度、维度列表，也可以是 None ，表示移除所有维度。

方差 (\(\delta ^2\)) 计算如下：

\[\delta ^2 = \frac{1}{\max(0, N - \delta N)}\sum^{N - 1}_{i = 0}(x_i - \bar{x})^2\]

其中 \(x\) 表示用来计算方差的样本集， \(\bar{x}\) 表示样本的均值， \(N\) 表示样本的数量，\(\delta N\) 则为 correction 的值。

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，方差。假设 self Tensor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 self Tensor中所有元素的方差。
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 dim 不是None，int，list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 \([-self.ndim, self.ndim)\) 范围内。

支持平台：

Ascend

样例：

>>> import mindspore
>>> from mindspore import Tensor
>>> input_x = Tensor([[8, 2, 1], [5, 9, 3], [4, 6, 7]], mindspore.float32)
>>> output = input_x.var(dim=0, correction=1, keepdim=True)
>>> print(output)
[[ 4.333333, 12.333333, 9.333333]]