tf.math.reduce_variance

Вычисляет дисперсию элементов по измерениям тензора.

tf.math.reduce_variance(
    input_tensor, axis=None, keepdims=False, name=None
)

Сводит input_tensor по измерениям, заданным в axis. Если keepdims не истинно, ранг тензора уменьшается на 1 для каждой записи в axis, которые должны быть уникальными. Если keepdims истинно, сокращённые измерения сохраняются с длиной 1.

Если axis равно None, все измерения сводятся, и возвращается тензор с одним элементом.

Например:

x = tf.constant([[1., 2.], [3., 4.]])
tf.math.reduce_variance(x)
<tf.Tensor: shape=(), dtype=float32, numpy=1.25>
tf.math.reduce_variance(x, 0)
<tf.Tensor: shape=(2,), dtype=float32, numpy=array([1., 1.], ...)>
tf.math.reduce_variance(x, 1)
<tf.Tensor: shape=(2,), dtype=float32, numpy=array([0.25, 0.25], ...)>

Аргументы
`input_tensor`	Тензор для сведения. Должен иметь вещественный или комплексный тип.
`axis`	Измерения для сведения. Если `None` (по умолчанию), сводит все измерения. Должны быть в диапазоне `[-rank(input_tensor), rank(input_tensor))`.
`keepdims`	Если истинно, сохраняет сокращённые измерения длиной 1.
`name`	Имя области действия для связанных операций (необязательно).

Возвращаемое значение
Сведённый тензор, того же типа, что и input_tensor. Обратите внимание, для входных данных `complex64` или `complex128` возвращаемый `Tensor` будет типа `float32` или `float64` соответственно.

Совместимость с numpy

Эквивалентно np.var

Обратите внимание, что у np.var есть параметр dtype, который можно использовать для указания типа выходных данных. По умолчанию это dtype=float64. С другой стороны, tf.math.reduce_variance имеет агрессивное выведение типа из input_tensor.

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/math/reduce_variance