溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
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()怎么使用問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”Python中的torch.norm()怎么使用”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！
torch.norm()是對輸入的tensor求對應的范數。tensor的范數有以下三種：
即，矩陣各項元素的絕對值平方的總和。
也即，求矩陣奇異值的和。該范數常被用于約束矩陣的低秩，對于稀疏性質的數據而言，其矩陣是低秩且會包含大量冗余信息，這些信息可被用于恢復數據和提取特征。
def norm(input, p="fro", dim=None, keepdim=False, out=None, dtype=None):
參數解釋：
input：輸入tensor類型的數據
p：指定的范數
默認為p=‘fro’，計算矩陣的Frobenius norm (Frobenius 范數)，就是矩陣各項元素的絕對值平方的總和。
p='nuc’時，是求核范數，核范數是矩陣奇異值的和。（不常用）
p為int的形式，是求p-范數。（常用）
dim：指定在哪個維度進行，如果不指定，則是在所有維度進行計算
keepdim：True or False，如果True，則保留dim指定的維度，False則不保留
out：輸出的 tensor
dtype：指定輸出的tensor的數據類型
import torch a = torch.ones(5, 2, 2) a_norm = a.norm(1, 1) print(a) print(a_norm)
輸出：
說明：
指定p=1，dim=1。也就是在a的第2個維度(dim=1)進行1(p=1)范數計算。
可以發現：a_norm的shape為（5，2），keepdim默認設置的是False，所以第2個維度對應的2消失了，如果keepdim=True，將會保留第3個維度，但是會變成（5，2，1）。
每一個元素都是為2，也就是1范數的結果。
到此，關于“Python中的torch.norm()怎么使用”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
