快捷方式

torch.linalg.vector_norm

torch.linalg.vector_norm(x, ord=2, dim=None, keepdim=False, *, dtype=None, out=None) Tensor

计算向量范数。

如果 x 是复数值,则计算 x.abs() 的范数。

支持 float、double、cfloat 和 cdouble 数据类型作为输入。

此函数不一定会将多维 x 视为向量的批次,而是

  • 如果 dim= None,则在计算范数之前会先展平 x

  • 如果 dim 是一个 inttuple,则将在这些维度上计算范数,其他维度将被视为批次维度。

此行为是为了与 torch.linalg.norm() 保持一致。

ord 定义要计算的向量范数。支持以下范数

ord

向量范数

2 (默认)

2-范数(见下文)

inf

max(abs(x))

-inf

min(abs(x))

0

sum(x != 0)

其他 intfloat

sum(abs(x)^{ord})^{(1 / ord)}

其中 inf 指的是 float(‘inf’)、NumPy 的 inf 对象或任何等效对象。

dtype 可用于以更精确的数据类型执行计算。在语义上等效于调用 linalg.vector_norm(x.to(dtype)),但在某些情况下速度更快。

另请参阅

torch.linalg.matrix_norm() 计算矩阵范数。

参数
  • x (张量) – 张量,默认情况下会展平,但可以使用 dim 控制此行为。

  • ord (int, float, inf, -inf, 'fro', 'nuc', 可选) – 范数的阶数。默认值:2

  • dim (int, 元组[int], 可选) – 计算范数的维度。有关 dim= None 时的行为,请参见上文。默认值:None

  • keepdim (布尔值, 可选) – 如果设置为 True,则结果中将保留缩减的维度,其大小为 1。默认值:False

关键字参数
  • out (张量, 可选) – 输出张量。如果为 None,则忽略。默认值:None

  • dtype (torch.dtype,可选) – 用于执行累积和返回的数据类型。如果指定,则在执行操作之前将 x 转换为 dtype,并且如果为实数,则返回的张量类型将为 dtype,如果为复数,则为其实数对应类型。dtype 可以是复数,如果 x 是复数,否则它必须是实数。x 应可转换为 dtype 而不进行缩减。默认值:None

返回值

一个实值张量,即使 x 是复数。

示例

>>> from torch import linalg as LA
>>> a = torch.arange(9, dtype=torch.float) - 4
>>> a
tensor([-4., -3., -2., -1.,  0.,  1.,  2.,  3.,  4.])
>>> B = a.reshape((3, 3))
>>> B
tensor([[-4., -3., -2.],
        [-1.,  0.,  1.],
        [ 2.,  3.,  4.]])
>>> LA.vector_norm(a, ord=3.5)
tensor(5.4345)
>>> LA.vector_norm(B, ord=3.5)
tensor(5.4345)

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取针对初学者和高级开发人员的深度教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源