比较与tf.math.reduce_variance的功能差异

查看源文件

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
from mindspore import Tensor
import numpy as np

a = Tensor(np.array([[1, 2], [3, 4]]), mindspore.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]