輸入：

[1.0000, -1.0000, 3.0000]

課本中的標準差計算公式：

按照上述公式計算：

Numpy中的std計算：

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中的計算結果與課本中的公式計算出來的結果是一致的。

Torch中的std計算：

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

tensor(2.)

計算出來的結果是2，與Numpy中的計算結果是不相同的。

查看torch.std的參數：

torch.std默認設置了unbiased=True。此時計算標準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準差最后除以n - 1。

可以看出確實計算出來的結果是2.

至于為何使用n-1，這里不做過多介紹，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1/n-1

這就是這個系數的原理

注：設置torch.std中的unbiased=False，則與Numpy中的std的結果相同的。

總結：

Numpy中的std計算與課本中的計算方式相同，都是除的是樣本數量n。