pytorch: torch.norm 求张量的范数

1. torch.norm 求张量的范数

关于范数的概念可以参考 文章

0范数是 所有元素个数
1范数是 所有元素的绝对值之后
2范数是 所有平方和再开方，也就是通俗的欧氏距离

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

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
out (Tensor, optional) – 结果张量
keepdim（bool）– 保持输出的维度  （此参数官方文档中未给出，但是很常用）

默认是求2范数， keepdim=False
torch.norm(input, p=2) → float

示例1：dim参数

import torch
import torch.tensor as tensor
 
a = tensor([[1, 2, 3, 4],
        [1, 2, 3, 4]]).float()  #norm仅支持floatTensor,a是一个2*4的Tensor
a0 = torch.norm(a,p=2,dim=0)    #按0维度求2范数
a1 = torch.norm(a,p=2,dim=1)    #按1维度求2范数
print(a0)
print(a1)

示例2：关于keepdim 参数， True表示保持原有维度，是2维就是2维，3维就是3维。
为False时 计算范数，维度会减少1个。

a = torch.rand((2,3,4))
at = torch.norm(a,p=2,dim=1,keepdim=True)   #保持维度
af = torch.norm(a,p=2,dim=1,keepdim=False)  #不保持维度
 
print(a.shape)
print(at.shape)
print(af.shape)

结果：

[1]https://www.codeleading.com/article/93052909687/