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 int 或 tuple,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 int 或 float
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
- 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)