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。

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。

mindspore.ops.std

mindspore.ops.std(input_x, axis=(), unbiased=True, keep_dims=False)[源代码]

默认情况下，输出Tensor各维度上的标准差与均值，也可以对指定维度求标准差与均值。如果 axis 是维度列表，则计算对应维度的标准差与均值。

参数：

  • input_x (Tensor[Number]) - 输入Tensor，其数据类型为数值型。shape： (N,∗) ，其中 ∗ 表示任意数量的附加维度。秩应小于8。

  • axis (Union[int, tuple(int), list(int)]) - 要减少的维度。默认值: ()，缩小所有维度。只允许常量值。假设 input_x 的秩为r，取值范围[-r,r)。

  • unbiased (bool) - 如果为True，使用Bessel校正。否则不使用Bessel校正。默认值：True。

  • keep_dims (bool) - 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：

Tuple，含有两个Tensor的tuple，分别为标准差与均值. 假设输入 input_x 的shape为 (x0,x1,...,xR) ： - 如果 axis 为()，且 keep_dims 为False，则输出一个零维Tensor，表示输入Tensor input_x 中所有元素的标准差。 - 如果 axis 为int，取值为1，并且 keep_dims 为False，则输出的shape为 (x0,x2,...,xR) 。 - 如果 axis 为tuple(int)或list(int)，取值为(1, 2)，并且 keep_dims 为False，则输出Tensor的shape为 (x0,x3,...,xR) 。

异常：

  • TypeError - input_x 不是Tensor。

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

  • TypeError - keep_dims 不是bool类型。

  • ValueError - axis 超出范围。

支持平台：

Ascend CPU

样例：

>>> input_x = Tensor(np.array([[1, 2, 3], [-1, 1, 4]]).astype(np.float32))
>>> output = ops.std(input_x, 1, True, False)
>>> output_std, output_mean = output[0], output[1]
>>> print(output_std)
[1.        2.5166116]
>>> print(output_mean)
[2.        1.3333334]