mindspore.ops.std
- mindspore.ops.std(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,也可以对指定维度求标准差。如果 axis 是维度列表,则计算对应维度的标准差。
说明
如果 ddof 是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 。
- 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) - 要减少的维度。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:
Tensor,标准差。 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 = ms.ops.std(input, 1, 2, True) >>> print(output) [[1.5811388] [7.3824115]]