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。

提交

文档反馈

mindspore.mint.var_mean

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

默认情况下，返回Tensor各维度上的方差和均值。如果 dim 是维度列表，则计算对应维度的方差和均值。

方差 (${\sigma }^2$) 计算如下：

$${\sigma }^2=\frac{1}{N-\delta N}\sum _{j=0}^{N-1}{(sel{f}_{ij}-\overline{x_i})}^2$$

其中 $x$ 表示用来计算方差的样本集， $\overline{x}$ 表示样本的均值， $N$ 表示样本的数量， $\delta N$ 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) - 输入Tensor。支持的数据类型：float16、float32。

• dim (Union[int, tuple(int), list(int)], 可选) - 指定计算方差和平均值的维度。默认值： None。

关键字参数：

• correction (int, 可选) - 样本大小和样本自由度之间的差异。默认采用贝塞尔校正。默认值： 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，大小为1。否则移除维度。默认值： False 。

返回：

包含方差和均值的tuple。

异常：

• TypeError - input 不是Tensor。

• TypeError - dim 不是以下数据类型之一：int、tuple、list或Tensor。

• TypeError - keepdim 不是bool类型。

• ValueError - dim 超出范围。

支持平台：

Ascend

样例：

>>> import mindspore as ms
>>> input = ms.Tensor([[1, 2, 3, 4], [-1, 1, 4, -10]], ms.float32)
>>> output_var, output_mean = ms.mint.var_mean(input, 1, correction=2, keepdim=True)
>>> print(output_var)
[[ 2.5]
 [54.5]]
>>> print(output_mean)
[[ 2.5]
 [-1.5]]