比较与tf.math.reduce_variance的功能差异
tf.math.reduce_variance
tf.math.reduce_variance(input_tensor, axis=None, keepdims=False, name=None)
更多内容详见tf.math.reduce_variance。
mindspore.Tensor.var
mindspore.Tensor.var(axis=None, ddof=0, keepdims=False)
更多内容详见mindspore.Tensor.var。
使用方式
两接口基本功能相同,都是计算某个维度上Tensor的方差,计算公式为:var = mean(x),其中x = abs(a - a.mean())**2。
不同点在于,mindspore.Tensor.var
多一个入参ddof
。一般情况下,均值为x.sum() / N,其中N=len(x),如果ddof
被配置,分母将由N变为N-ddof。
代码示例
import mindspore as ms
import numpy as np
a = ms.Tensor(np.array([[1, 2], [3, 4]]), ms.float32)
print(a.var()) # 1.25
print(a.var(axis=0)) # [1. 1.]
print(a.var(axis=1)) # [0.25 0.25]
print(a.var(ddof=1)) # 1.6666666
import tensorflow as tf
tf.enable_eager_execution()
x = tf.constant([[1., 2.], [3., 4.]])
print(tf.math.reduce_variance(x).numpy()) # 1.25
print(tf.math.reduce_variance(x, 0).numpy()) # [1., 1.]
print(tf.math.reduce_variance(x, 1).numpy()) # [0.25, 0.25]