pytorch中的.var()

.var() 是 PyTorch 中的一个函数，用于计算张量 inputs 的方差。方差是统计学中的一个重要指标，用于衡量数据的分散程度，即数据偏离其平均值的程度。.var() 可以计算整个张量的方差，也可以沿指定维度计算方差。

函数签名

torch.Tensor.var(dim=None, unbiased=True, keepdim=False)

参数

1. dim：整型或整型元组（可选）。

   • 指定沿哪个维度或维度组合计算方差。如果未指定，则计算整个张量的方差。

2. unbiased：布尔值（可选，默认为 True）。

   • 如果为 True，使用无偏估计，即除以 N-1 而不是 N（N 是样本数量）。无偏估计用于样本方差。
   • 如果为 False，则除以 N，即计算总体方差。

3. keepdim：布尔值（可选，默认为 False）。

   • 如果为 True，保留原始维度的大小，在计算完方差后保留这些维度（大小为 1）。

返回值

• 返回一个张量，其值是沿指定维度或整个张量的方差。

用法示例

示例 1：计算整个张量的方差

import torch

inputs = torch.tensor([1.0, 2.0, 3.0, 4.0, 5.0])
variance = inputs.var()
print(variance)

"""
# Output

tensor(2.5000)
"""

示例 2：沿指定维度计算方差

import torch

inputs = torch.tensor([[1.0, 2.0, 3.0], [4.0, 5.0, 6.0]])
variance = inputs.var(dim=0)
print(variance)

"""
# Output

tensor([4.5000, 4.5000, 4.5000])
"""

解释：

• 输入张量为 [[1.0, 2.0, 3.0], [4.0, 5.0, 6.0]]。
• 沿第 0 维（列）计算方差，即对每一列计算方差。

示例 3：无偏方差和总体方差

import torch

inputs = torch.tensor([1.0, 2.0, 3.0, 4.0, 5.0])
variance_unbiased = inputs.var(unbiased=True)
variance_biased = inputs.var(unbiased=False)

print(f"Unbiased variance: {variance_unbiased}")
print(f"Biased variance: {variance_biased}")

"""
# Output

Unbiased variance: tensor(2.5000)
Biased variance: tensor(2.0000)
"""

解释：

• unbiased=True 时，计算无偏方差，分母为 N-1。
• unbiased=False 时，计算总体方差，分母为 N。

最后

.var() 是 PyTorch 中用于计算张量方差的函数，可以灵活地沿不同维度计算，并选择无偏或总体方差。通过理解其参数和返回值，可以在不同的数据处理中应用这个函数，以衡量数据的分散程度。