目录
torch.norm参数定义
torch版本 1.6
def norm(input, p="fro", dim=None, keepdim=False, out=None, dtype=None)
input
input (Tensor): the input tensor 输入为tensor
p
p (int, float, inf, -inf, 'fro', 'nuc', optional): the order of norm. Default: dim是matrix norm
如果 input是 matrix norm,也就是维度大于等于2维，则
P值默认为 fro, Frobenius norm可认为是与计算向量的欧氏距离类似
有时候为了比较真实的矩阵和估计的矩阵值之间的误差
或者说比较真实矩阵和估计矩阵之间的相似性，我们可以采用 Frobenius 范数。
p= 'nuc’时，是求核范数，核范数是矩阵奇异值的和。核范数的具体定义为
例子来源：https://zhuanlan.zhihu.com/p/104402273
p= other时,当作vec norm计算，p为int的形式,则是如下形式：
详细解释：https://zhuanlan.zhihu.com/p/260162240
; dim是vector norm
dim
dim (int, 2-tuple of ints, 2-list of ints, optional): If it is an int,
vector norm will be calculated, if it is 2-tuple of ints, matrix norm
will be calculated. If the value is None, matrix norm will be calculated
when the input tensor only has two dimensions, vector norm will be
calculated when the input tensor only has one dimension. If the input
tensor has more than two dimensions, the vector norm will be applied to
last dimension.
如果 dim为 None, 当 input的维度只有2维时使用 matrix norm，当 input的维度只有1维时使用 vector norm，当 input的维度超过2维时，只在最后一维上使用 vector norm。
如果 dim不为 None,1. dim是int类型，则使用 vector norm,如果 dim是2-tuple int类型，则使用 matrix norm.
Keepdim
keepdim (bool, optional): whether the output tensors have :attr:dim
retained or not. Ignored if :attr:dim = out = keepdim为True，则保留dim指定的维度，如果为False，则不保留。默认为False
out
out (Tensor, optional): the output tensor. Ignored if
:attr:dim = out = 输出为tensor，如果 dim = None and out = None.则不输出
dtype
dtype (:class:torch.dtype, optional): the desired data type of
returned tensor. If specified, the input tensor is casted to
:attr:'dtype' while performing the operation. Default: None.
指定输出的数据类型
示例
>>> import torch
>>> 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.]])
>>> torch.norm(a)
>tensor(7.7460)
>>>计算流程: math.sqrt((4*4 + 3*3 + 2*2 + 1*1 + -4*-4 + -3*-3 + -2*-2 + -1*-1))
7.7460
>>> torch.norm(b) # 默认计算F范数
tensor(7.7460)
Original: https://blog.csdn.net/qq_36287702/article/details/126330404
Author: 桐原因
Title: 【深度学习框架-torch】torch.norm函数详解用法
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/709027/
转载文章受原作者版权保护。转载请注明原作者出处！