Pytorch求向量的L1范数或L2范数

最新推荐文章于 2024-05-10 10:02:49 发布

飞机火车巴雷特

最新推荐文章于 2024-05-10 10:02:49 发布

阅读量1.3w

点赞数 8

分类专栏： Python相关文章标签： pytorch python

本文链接：https://blog.csdn.net/qq_36158230/article/details/120422522

版权

Python相关专栏收录该内容

61 篇文章 1 订阅

订阅专栏

一、向量/张量

向量是一维的张量，而张量可以理解为一个树形结构的数据。例如，向量

$\textup{vector}=(1.0, 2.0, 3.0, 4.0, -5.0)$

所对应的树形结构数据为

其中，vector节点是dim=0的张量，对应树高为0，节点1.0、2.0等是dim=1的张量，对应树高为1。根据定义，vector的L1范数和L2范数计算方式如下：

二、代码+输出

import torch

# Pytorch求向量的L1范数或L2范数
def tc04():
    # 向量(1维张量)
    vector = torch.tensor([1.0, 2.0, 3.0, 4.0, -5.0])
    # 求向量的L1范数
    norm1 = torch.norm(vector, p=1, dim=0)
    # 求向量的L2范数
    norm2 = torch.norm(vector, p=2, dim=0)
    print("The L1 norm of %s is %f. " % (str(vector), norm1.item()))
    print("The L2 norm of %s is %f. " % (str(vector), norm2.item()))


# 程序入口
if __name__ == '__main__':
    tc04()

输出

The L1 norm of tensor([ 1.,  2.,  3.,  4., -5.]) is 15.000000. 
The L2 norm of tensor([ 1.,  2.,  3.,  4., -5.]) is 7.416198. 

Process finished with exit code 0