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: