Python中的torch.norm()怎么使用

這篇文章主要介紹“Python中的torch.norm()怎么使用”，在日常操作中，相信很多人在Python中的torch.norm()怎么使用問(wèn)題上存在疑惑，小編查閱了各式資料，整理出簡(jiǎn)單好用的操作方法，希望對(duì)大家解答”P(pán)ython中的torch.norm()怎么使用”的疑惑有所幫助！接下來(lái)，請(qǐng)跟著小編一起來(lái)學(xué)習(xí)吧！

1. 介紹

torch.norm()是對(duì)輸入的tensor求對(duì)應(yīng)的范數(shù)。tensor的范數(shù)有以下三種：

1.1 p-范數(shù)

1.2 Frobenius 范數(shù)

即，矩陣各項(xiàng)元素的絕對(duì)值平方的總和。

1.3 核范數(shù)

也即，求矩陣奇異值的和。該范數(shù)常被用于約束矩陣的低秩，對(duì)于稀疏性質(zhì)的數(shù)據(jù)而言，其矩陣是低秩且會(huì)包含大量冗余信息，這些信息可被用于恢復(fù)數(shù)據(jù)和提取特征。

2. API

def norm(input, p="fro", dim=None, keepdim=False, out=None, dtype=None):

參數(shù)解釋?zhuān)?/p>

• input：輸入tensor類(lèi)型的數(shù)據(jù)

• p：指定的范數(shù)

• 默認(rèn)為p=‘fro’，計(jì)算矩陣的Frobenius norm (Frobenius 范數(shù))，就是矩陣各項(xiàng)元素的絕對(duì)值平方的總和。

• p='nuc’時(shí)，是求核范數(shù)，核范數(shù)是矩陣奇異值的和。（不常用）

• p為int的形式，是求p-范數(shù)。（常用）

• dim：指定在哪個(gè)維度進(jìn)行，如果不指定，則是在所有維度進(jìn)行計(jì)算

• keepdim：True or False，如果True，則保留dim指定的維度，F(xiàn)alse則不保留

• out：輸出的 tensor

• dtype：指定輸出的tensor的數(shù)據(jù)類(lèi)型

3. 示例

import torch
a = torch.ones(5, 2, 2)
a_norm = a.norm(1, 1)
print(a)
print(a_norm)

輸出：

說(shuō)明：

• 指定p=1，dim=1。也就是在a的第2個(gè)維度(dim=1)進(jìn)行1(p=1)范數(shù)計(jì)算。
  可以發(fā)現(xiàn)：a_norm的shape為（5，2），keepdim默認(rèn)設(shè)置的是False，所以第2個(gè)維度對(duì)應(yīng)的2消失了，如果keepdim=True，將會(huì)保留第3個(gè)維度，但是會(huì)變成（5，2，1）。

• 每一個(gè)元素都是為2，也就是1范數(shù)的結(jié)果。

到此，關(guān)于“Python中的torch.norm()怎么使用”的學(xué)習(xí)就結(jié)束了，希望能夠解決大家的疑惑。理論與實(shí)踐的搭配能更好的幫助大家學(xué)習(xí)，快去試試吧！若想繼續(xù)學(xué)習(xí)更多相關(guān)知識(shí)，請(qǐng)繼續(xù)關(guān)注億速云網(wǎng)站，小編會(huì)繼續(xù)努力為大家?guī)?lái)更多實(shí)用的文章！