对训练集、测试集进行标准差标准化，并分别输出标准化之后的训练集，测试集的方差和均值

假设训练集的数据存储在 train_data 变量中，测试集的数据存储在 test_data 变量中，可以按照如下方式对它们进行标准化：

import numpy as np

# 计算训练集的均值和标准差
train_mean = np.mean(train_data, axis=(0, 1, 2))
train_std = np.std(train_data, axis=(0, 1, 2))

# 使用训练集的均值和标准差对训练集和测试集进行标准化
train_data = (train_data - train_mean) / train_std
test_data = (test_data - train_mean) / train_std

# 输出标准化之后训练集、测试集的均值和方差
print("训练集：均值={}, 标准差={}".format(np.mean(train_data), np.std(train_data)))
print("测试集：均值={}, 标准差={}".format(np.mean(test_data), np.std(test_data)))

这里使用了 numpy 库的 mean 和 std 函数分别计算训练集的均值和标准差，并通过 axis 参数指定计算的维度。然后，使用训练集的均值和标准差对训练集和测试集进行标准化。最后，使用 numpy 库的 mean 和 std 函数分别输出标准化之后训练集、测试集的均值和方差。