mindspore.ops.std_mean

mindspore.ops.std_mean(input, axis=None, ddof=0, keepdims=False)[源代码]

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

说明

如果 ddof 是0、1、True或False,支持的平台只有 AscendCPU 。其他情况下,支持平台是 AscendGPUCPU

参数:
  • input (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。

  • axis (Union[int, tuple(int)],可选) - 指定计算标准差和平均值的维度。只允许常量值。假设 input 的秩为r,取值范围[-r,r)。默认值: None,缩小所有维度。

  • ddof (Union[int, bool],可选) - δ自由度。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True,使用Bessel校正。如果是False,使用偏置估计来计算标准差。默认值:0。

  • keepdims (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:

包含标准差和均值的tuple。 假设输入 input 的shape为 \((x_0, x_1, ..., x_R)\)

  • 如果 axis 为(),且 keepdims 为False,则输出一个零维Tensor,表示输入Tensor input 中所有元素的标准差。

  • 如果 axis 为int,取值为1,并且 keepdims 为False,则输出的shape为 \((x_0, x_2, ..., x_R)\)

  • 如果 axis 为tuple(int)或list(int),取值为(1, 2),并且 keepdims 为False,则输出Tensor的shape为 \((x_0, x_2, ..., x_R)\)

异常:
  • TypeError - input 不是Tensor。

  • TypeError - axis 不是以下数据类型之一:None、int或tuple。

  • TypeError - keepdims 不是bool类型。

  • ValueError - axis 超出范围。

支持平台:

Ascend GPU CPU

样例:

>>> import mindspore as ms
>>> input = ms.Tensor([[1, 2, 3, 4], [-1, 1, 4, -10]], ms.float32)
>>> output_std, output_mean = ms.ops.std_mean(input, 1, 2, True)
>>> print(output_std)
[[1.5811388]
 [7.3824115]]
>>> print(output_mean)
[[ 2.5]
 [-1.5]]