pytorch笔记：torch.norm

最新推荐文章于 2024-09-07 17:37:32 发布

UQI-LIUWJ

最新推荐文章于 2024-09-07 17:37:32 发布

阅读量182

点赞数

分类专栏： pytorch学习文章标签： pytorch 深度学习 python

本文链接：https://blog.csdn.net/qq_40206371/article/details/129835965

版权

pytorch学习专栏收录该内容

116 篇文章

订阅专栏

文章介绍了PyTorch中的torch.norm函数，用于计算张量的范数。参数包括输入数据input，可以选择的范数类型p（如Frobenius范数或核范数），指定计算维度dim，以及是否保持维度keepdim。示例展示了对一个4维张量计算范数的过程，输出结果为6.9282。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

norm(input, 
     p="fro", 
     dim=None, 
     keepdim=False, 
     out=None, 
     dtype=None):

1 参数说明

参数

参数说明

input

输入的数据

指定的范数

fro

默认情况，Frobenius范数

$\|\mathbf{A}\|_F=\sqrt{\sum_{i=1}^m \sum_{j=1}^n\left|a_{i j}\right|^2}$

nuc

求核范数（矩阵奇异值的和）

$\sqrt[p]{\left|x_1\right|^p+\left|x_2\right|^p+\ldots+\left|x_n\right|^p}$

dim

指定在哪个维度（如果不指定，那么默认是在所有维度上进行计算）

keepdim

是否保持维度

2 举例

import torch

a=torch.ones(2,2,3,4)
print(a)
'''
tensor([[[[1., 1., 1., 1.],
          [1., 1., 1., 1.],
          [1., 1., 1., 1.]],

         [[1., 1., 1., 1.],
          [1., 1., 1., 1.],
          [1., 1., 1., 1.]]],


        [[[1., 1., 1., 1.],
          [1., 1., 1., 1.],
          [1., 1., 1., 1.]],

         [[1., 1., 1., 1.],
          [1., 1., 1., 1.],
          [1., 1., 1., 1.]]]])
'''
print(torch.norm(a))
#tensor(6.9282)