mindspore.ops.std

mindspore.ops.std(input, axis=None, ddof=0, keepdims=False)

计算Tensor在指定轴上的标准差。

参数：

• input (Tensor[Number]) - 输入Tensor。

• axis (Union[int, tuple(int)]，可选) - 指定计算轴。如果为 None ，计算 input 中的所有元素。默认 None 。

• ddof (Union[int, bool]，可选) - δ自由度。默认 0 。

  • 如果为整数，计算中使用的除数是 $N-ddof$ ，其中 $N$ 表示元素的数量。

  • 如果为bool值， True 与 False 分别对应ddof为整数时的 1 与 0 。

  • 如果取值为0、1、True或False，支持的平台只有 Ascend 和 CPU 。其他情况下，支持平台是 Ascend 、 GPU 和 CPU 。

• keepdims (bool，可选) - 输出Tensor是否保留维度。默认 False 。

返回：

Tensor

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> input = mindspore.tensor([[1., 3, 4, 2],
...                           [4, 2, 5, 3],
...                           [5, 4, 2, 3]])
>>> # case 1: By default, compute the standard deviation of all elements.
>>> output = mindspore.ops.std(input)
>>> print(output)
1.2133516
>>>
>>> # case 2: Compute the standard deviation along axis 0.
>>> output = mindspore.ops.std(input, axis=0)
>>> print(output)
[1.6996732 0.8164966 1.2472192 0.4714045]
>>>
>>> # case 3: If keepdims=True, the output shape will be same of that of the input.
>>> output = mindspore.ops.std(input, axis=0, keepdims=True)
>>> print(output)
[[1.6996732 0.8164966 1.2472192 0.4714045]]
>>>
>>> # case 4: If ddof=1:
>>> output = mindspore.ops.std(input, axis=0, keepdims=True, ddof=1)
>>> print(output)
[[2.081666   1.         1.5275253  0.57735026]]
>>>
>>> # case 5: If ddof=True, same as ddof=1:
>>> output = mindspore.ops.std(input, axis=0, keepdims=True, ddof=True)
>>> print(output)
[[2.081666   1.         1.5275253  0.57735026]]
>>>
>>> # case 6: If ddof=False, same as ddof=0:
>>> output = mindspore.ops.std(input, axis=0, keepdims=True, ddof=False)
>>> print(output)
[[1.6996732 0.8164966 1.2472192 0.4714045]]