介绍
PyTorch 中张量的 var() 方法，也就是如何计算 张量的 方差，我会从基础概念到实际用法一步步讲清楚。
方差的基本概念
语法
var(dim=None, unbiased=True, keepdim=False)
参数：
dim：指定计算方差的维度（不指定则计算整个张量的方差）unbiased：是否使用无偏估计（默认True，除以n-1；False则除以n）keepdim：是否保持结果的维度（默认False，会压缩计算维度）
细节解释
无偏 vs 有偏：
unbiased=True（默认）：样本方差，公式为sum((x - mean)^2) / (n-1)，适合 样本数据估计总体方差。unbiased=False：总体方差，公式为sum((x - mean)^2) / n，适合 计算全部数据的方差。
维度指定：
- 二维张量中，
dim=0是列维度，dim=1是行维度； - 高维张量可指定多个维度（如
dim=(0,1)），会同时对多个维度计算方差。
- 二维张量中，
数据类型：
var()会自动将整数张量转为 浮点型（方差结果通常是浮点数）。
例子
import torch
# 1. 基础示例：一维张量的方差
# 创建一维张量
x = torch.tensor([1.0, 2.0, 3.0, 4.0, 5.0])
# 计算整体方差（无偏估计，除以 n-1）
var_unbiased = x.var()
print("无偏方差（除以 n-1）:", var_unbiased) # 输出: tensor(2.5)
# 计算整体方差（有偏估计，除以 n）
var_biased = x.var(unbiased=False)
print("有偏方差（除以 n）:", var_biased) # 输出: tensor(2.)
# 2. 二维张量的方差（指定维度）
# 创建 2x3 的二维张量
y = torch.tensor([[1.0, 2.0, 3.0], [4.0, 5.0, 6.0]])
# 按行计算方差（dim=1，每行的方差）
var_dim1 = y.var(dim=1)
print("按行计算方差:", var_dim1) # 输出: tensor([1., 1.])
# 按列计算方差（dim=0，每列的方差），并保持维度
var_dim0_keepdim = y.var(dim=0, keepdim=True)
print("按列计算方差（保持维度）:\n", var_dim0_keepdim)
# 输出: tensor([[2.2500, 2.2500, 2.2500]])
总结
var()是 PyTorch 计算张量方差的核心方法，默认计算样本方差（除以n-1），设置unbiased=False可计算总体方差；- 通过
dim参数可指定计算方差的维度，keepdim=True能保持结果维度与原张量一致； - 一维张量直接计算整体方差，高维张量需指定
dim来按行/列/其他维度计算。