mindspore.mint.var

mindspore.mint.var(input, dim=None, *, correction=1, keepdim=False)

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。

警告

这是一个实验性API，后续可能修改或删除。

参数：

• input (Tensor) - 用来求方差的Tensor。

• 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。 假设输入 input 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 input 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 input 不是Tensor。

• TypeError - 如果 input 的数据类型不是bfloat16，float16或flaot32。

• 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 \([-input.ndim, input.ndim)\) 范围内。

支持平台：

Ascend

样例：

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