輸入：

[1.0000, -1.0000, 3.0000]

課本中的標(biāo)準(zhǔn)差計(jì)算公式：

按照上述公式計(jì)算：

Numpy中的std計(jì)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中的計(jì)算結(jié)果與課本中的公式計(jì)算出來(lái)的結(jié)果是一致的。

Torch中的std計(jì)算：

tm = torch.tensor([1.0000, -1.0000, 3.0000])
ddd = torch.std(tm)
print(ddd)

tensor(2.)

計(jì)算出來(lái)的結(jié)果是2，與Numpy中的計(jì)算結(jié)果是不相同的。

查看torch.std的參數(shù)：

torch.std默認(rèn)設(shè)置了unbiased=True。此時(shí)計(jì)算標(biāo)準(zhǔn)差的公式則使用貝塞爾校正 的方法：

可以看出貝塞爾校正的標(biāo)準(zhǔn)差最后除以n - 1。

可以看出確實(shí)計(jì)算出來(lái)的結(jié)果是2.

至于為何使用n-1，這里不做過(guò)多介紹，建議參考：貝塞爾校正。

附：貝塞爾校正

貝塞爾校正，指的是樣本方差前面的系數(shù)1/n-1

這就是這個(gè)系數(shù)的原理

注：設(shè)置torch.std中的unbiased=False，則與Numpy中的std的結(jié)果相同的。

總結(jié)：

Numpy中的std計(jì)算與課本中的計(jì)算方式相同，都是除的是樣本數(shù)量n。