ReduceStdWithMean

产品支持情况

产品	是否支持
Ascend 950PR&950DT系列产品	√
Atlas A3系列产品	√
Atlas A2系列产品	√
Atlas 200I/500 A2推理产品	√
Atlas推理系列产品	√
Atlas训练系列产品	√

Ascend 950PR/950DT 由本自定义算子包提供 kernel 实现（arch35）；其余产品由 CANN 内置算子库支持。Ascend 950PR/950DT、Atlas A3、Atlas A2 支持 float16 / float32 / bfloat16；其余产品支持 float16 / float32。

功能说明

给定外部预计算的均值 mean，沿指定维度 dim 计算输入 x 的标准差（invert=false）或其倒数（invert=true）。是 BatchNorm/LayerNorm/GroupNorm 归一化层统计量计算的关键子步骤，以及 PyTorch torch.std/torch.std_mean/torch.batch_norm_stats 在 NPU 上的底层实现。

标准差模式（invert=false，correction 生效）：

$$y=\sqrt{\frac{{\sum }_{j=0}^{N-1}(x_j-mea{n}_j{)}^2}{\max (0,N-correction)}}$$

标准差倒数模式（invert=true，固定除以 N、加 epsilon，忽略 correction）：

$$y=\frac{1}{\sqrt{\frac{1}{N}{\sum }_{j=0}^{N-1}(x_j-mea{n}_j{)}^2+ϵ}}$$

其中 $N={\prod }_{d\in dim}\text{shape}[d]$ 为归约维度元素总数，$correction$ 为 Bessel 校正因子（0=总体、1=样本），$ϵ$ 为数值稳定小量。

ReduceStdWithMean 为 CANN 内部 L0 算子，被 aclnnStd、aclnnStdMeanCorrection、aclnnBatchNormStats 三个上层 aclnn 接口组合调用，不直接暴露独立 aclnn 接口。

上层接口	功能	correction	invert	eps
aclnnStd	独立标准差	用户传入	false	—
aclnnStdMeanCorrection	同时输出 (std, mean)	用户传入	false	0.001（固定）
aclnnBatchNormStats	输出 (mean, invstd)	0（固定）	true	用户传入

参数说明

参数名	输入/输出/属性	描述	数据类型	数据格式
x	输入	待计算标准差的张量。	FLOAT16、FLOAT、BFLOAT16	ND
mean	输入	外部预计算均值（已广播到 x 形状），dtype 与 x 一致。	与 x 一致	ND
y	输出	输出张量，dtype 与 x 一致；shape 由 dim + keepdim 推导。	与 x 一致	ND
dim	可选属性	归约维度，范围 [-rank(x), rank(x)-1]，空表示全部维度。默认 {}。	ListInt	-
unbiased	可选属性	Bessel 校正（legacy 字段）。默认 true。	Bool	-
keepdim	可选属性	是否保留归约维为 size 1。默认 false。	Bool	-
invert	可选属性	true 返回 1/sqrt(var+eps)，false 返回 sqrt(var)。默认 false。	Bool	-
epsilon	可选属性	数值稳定项（仅 invert=true 使用），须为非负浮点数。默认 0.001。	Float	-
correction	可选属性	校正因子：0=总体，1=样本。默认 1。	Int	-

约束说明

• x 与 mean 数据类型须一致，仅支持 float16 / float32 / bfloat16；输出 dtype 与 x 一致。
• x 的 shape 维度不超过 8 维。
• 支持 rank=0 标量输入（x/mean 为 0-D）：dim 为空全归约，输出为标量（keepdim=true 时输出 1-D size 1）。
• mean 的 shape 须与 x 完全一致（mean 须已广播到 x 形状）。
• dim 取值范围 [-rank(x), rank(x)-1]，空表示全部维度归约，且不能包含重复轴（负数轴归一化后判重）。
• 输出 y 的 shape 须与 dim + keepdim 推导结果一致。
• correction 仅支持非负整数；invert=true 时忽略 correction，固定除以 N。
• epsilon 仅支持非负浮点数（默认 0.001），tiling 阶段对 epsilon<0 返回错误。
• unbiased 为 legacy 字段：correction 属性有值时以 correction 为准，无值时按 unbiased=true→correction=1、unbiased=false→correction=0 折算。
• 空张量（N=0）输出 NaN；N<=correction（invert=false）输出 +Inf 或 NaN（一般输入为 +Inf，全等输入为 0×Inf=NaN）。
• 输入含动态标记（-1/-2）时按动态 shape 处理，具体语义由下游框架定义。

调用说明

调用方式	样例代码	说明
GE图模式	test_geir_reduce_std_with_mean.cpp	通过 GE IR 构图调用，算子 IR 原型见 op_graph/reduce_std_with_mean_proto.h
aclnn API	test_aclnn_std_mean_correction.cpp	通过 aclnnStdMeanCorrection 接口方式调用ReduceStdWithMean算子。
aclnn API	test_aclnn_batch_norm_stats.cpp	通过 aclnnBatchNormStats 接口方式调用ReduceStdWithMean算子。
aclnn API	test_aclnn_std.cpp	通过 aclnnStd 接口方式调用ReduceStdWithMean算子（该接口实现在同仓 math/reduce_std_v2）。