输入：
[1.0000, -1.0000, 3.0000]
课本中的标准差计算公式：
按照上述公式计算：
numpy中的std计算：
import numpy as np tm = np.array([1.0000, -1.0000, 3.0000]) ddd = np.std(tm) print(ddd)
1.632993161855452
可以看出numpy中的计算结果与课本中的公式计算出来的结果是一致的。
torch中的std计算：
tm = torch.tensor([1.0000, -1.0000, 3.0000]) ddd = torch.std(tm) print(ddd)
tensor(2.)
计算出来的结果是2，与numpy中的计算结果是不相同的。
查看torch.std的参数：
torch.std默认设置了unbiased=true。此时计算标准差的公式则使用贝塞尔校正 的方法：
可以看出贝塞尔校正的标准差最后除以n – 1。
可以看出确实计算出来的结果是2.
至于为何使用n-1，这里不做过多介绍，建议参考：贝塞尔校正。
附：贝塞尔校正
贝塞尔校正，指的是样本方差
前面的系数1/n-1
这就是这个系数的原理
注：设置torch.std中的unbiased=false，则与numpy中的std的结果相同的。
总结：
numpy中的std计算与课本中的计算方式相同，都是除的是样本数量n。
torch中的std计算默认使用的是unbiased=true即贝塞尔校正，除的是样本数量n-1。
需要了解更多python教程分享Python计算标准差之numpy.std和torch.std的区别，都可以关注python教程分享栏目—计算机技术网(www.ctvol.com)!
本文来自网络收集，不代表计算机技术网立场，如涉及侵权请联系管理员删除。
ctvol管理联系方式QQ:251552304
本文章地址：https://www.ctvol.com/pythontutorial/1209649.html