tf.math.reduce_variance

Вычисляет дисперсию элементов тензора по измерениям.

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

Вычисляет редукцию input_tensor по измерениям, заданным в axis. Если keepdims не равно true, ранг тензора уменьшается на 1 для каждой записи в axis, которые должны быть уникальными. Если keepdims равно true, уменьшенные измерения сохраняются с длиной 1.

Если axis равно None, выполняется редукция по всем измерениям 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, к которому применяется редукция. Должен иметь вещественный или комплексный тип.
`axis`	Измерения, по которым выполняется редукция. Если `None` (значение по умолчанию), выполняется редукция по всем измерениям. Должно находиться в диапазоне `[-rank(input_tensor), rank(input_tensor))`.
`keepdims`	Если значение равно true, уменьшенные измерения сохраняются с длиной 1.
`name`	Область имён для соответствующих операций (необязательно).

Возвращаемое значение
Тензор после редукции с тем же типом данных, что и у input_tensor. Обратите внимание: если входные данные имеют тип `complex64` или `complex128`, возвращаемый `Tensor` будет иметь тип `float32` или `float64` соответственно.

Совместимость с NumPy

Эквивалентно np.var

Обратите внимание: у np.var есть параметр dtype, который можно использовать для указания типа выходных данных. По умолчанию это dtype=float64. В свою очередь, tf.math.reduce_variance использует агрессивный вывод типа на основе 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