x.norm(p=2,dim=1,keepdim=True)

代码：x.norm(p=2,dim=1,keepdim=True)

功能：求指定维度上的范数。

函数原型：【返回输入张量给定维dim 上每行的p范数】

torch.norm(input, p, dim, out=None,keepdim=False) → Tensor

注：范数求法：【对N个数据求p范数】
||x||p=p次根号下 （x1的p次幂 + x2的p次幂 + x3的p次幂 + …）

input (Tensor) – 输入张量

p (float) – 范数计算中的幂指数值

dim (int) – 缩减的维度，dim=0是对0维度上的一个向量求范数，返回结果数量等于其列的个数，也就是说有多少个0维度的向量， 将得到多少个范数。dim=1同理。

out (Tensor, optional) – 结果张量

keepdim（bool）– 保持输出的维度 。当keepdim=False时，输出比输入少一个维度（就是指定的dim求范数的维度）。
而keepdim=True时，输出与输入维度相同，仅仅是输出在求范数的维度上元素个数变为1。这也是为什么有时
我们把参数中的dim称为缩减的维度，因为norm运算之后，此维度或者消失或者元素个数变为1。

import torch

inputs=torch.