解析torch.norm函数

官方文档：https://pytorch.org/docs/stable/generated/torch.norm.html?highlight=norm#torch.norm

函数：

norm(input, p='fro', dim=None, keepdim=False, out=None, dtype=None)Returns the matrix norm or vector norm of a given tensor.

参数:

input (Tensor) – 输入张量
p (int, float, inf, -inf, ‘fro’, ‘nuc’, optional) – 范数顺序.
Default: 'fro'，此时p为Frobenius范数计算中的幂指数值

 The following norms can be calculated:=====  ============================  ==========================ord    matrix norm                   vector norm=====  ============================  ==========================None   Frobenius norm                2-norm'fro'  Frobenius norm                --'nuc'  nuclear norm                  --Other  as vec norm when dim is None  sum(abs(x)**ord)**(1./ord)=====  ============================  ==========================

dim (int, 2-tuple of ints, 2-list of ints, optional):进行范数计算的维度

dim	可以进行范数计算的情况
int	vector norm
2-tuple of ints	matrix norm
None	input是二维tensor，matrix norm可以进行范数计算
	input是一维tensor，vector norm可以进行范数计算
	input是超过二维的tensor，vector norm将被应用到最后的dim

Example：

import torch
from torch import tensora = tensor([[[1, 2, 3, 4], [1, 2, 3, 4]],[[0, 2, 3, 4], [0, 2, 3, 4]]], dtype=torch.float32)
print(a.shape)
a0 = torch.norm(a, p=2, dim=0)       # 对0 dim求vector 2-norm
a1 = torch.norm(a, p=2, dim=1)       # 对1 dim求vector 2-norm
a2 = torch.norm(a, p=2, dim=2)       # 对2 dim求vector 2-norm
a3 = torch.norm(a, p=2, dim=(0, 1))  # 对0,1 dim求matrix 2-norm
a4 = torch.norm(a, p=2, dim=None)    # input是超过二维的tensor，vector norm将被应用到最后的dim
print(a0)
print(a1)
print(a2)
print(a3)
print(a4)

Out：

torch.Size([2, 2, 4])
tensor([[1.0000, 2.8284, 4.2426, 5.6569],[1.0000, 2.8284, 4.2426, 5.6569]])
tensor([[1.4142, 2.8284, 4.2426, 5.6569],[0.0000, 2.8284, 4.2426, 5.6569]])
tensor([[5.4772, 5.4772],[5.3852, 5.3852]])
tensor([1.4142, 4.0000, 6.0000, 8.0000])
tensor(10.8628)

keepdim（bool, optional）– 是否保持输入时的维度. Default: False

b0 = torch.norm(a, p=2, dim=0, keepdim=True)
b1 = torch.norm(a, p=2, dim=0, keepdim=False)   # 就是刚才的a0
print(b0.shape)
print(b1.shape)

Out：

torch.Size([1, 2, 4])
torch.Size([2, 4])

out (Tensor, optional) – 结果张量.
dtype (:class:torch.dtype, optional): 返回的tensor的数据类型. Default: None.

解析torch.norm函数相关推荐

PyTorch中torch.norm函数详解
torch.norm() 是 PyTorch 中的一个函数,用于计算输入张量沿指定维度的范数.具体而言,当给定一个输入张量 x 和一个整数 p 时,torch.norm(x, p) 将返回输入张量 x ...
Pytorch中torch.repeat()函数解析
一. torch.repeat()函数解析 1. 说明官网:torch.tensor.repeat(),函数说明如下图所示: 2. 函数功能 torch.tensor.repeat()函数可以对张量 ...
Pytorch中torch.unsqueeze()和torch.squeeze()函数解析
一. torch.squeeze()函数解析 1. 官网链接 torch.squeeze(),如下图所示: 2. torch.squeeze()函数解析 torch.squeeze(input, di ...
Pytorch中torch.argmax()函数解析
一. torch.argmax()函数解析 1. 官网链接 torch.argmax(),如下图所示: 2. torch.argmax(input)函数解析 torch.argmax(input) → ...
Pytorch中torch.numel()，torch.shape，torch.size()和torch.reshape()函数解析
一. torch.numel()函数解析 1. 官网链接 torch.numel(),如下图所示: 2. torch.numel()函数解析 torch.numel(input) → int 返回输入 ...
torch.norm
torch.norm 范数1,绝对值求和范数2,平方和求开根号2 范数3,平方和求开根号3 import torch import torch.tensor as tensora = tensor( ...
torch 常用函数
norm 范式 import numpy as np np_data=[1,2] torch_data = torch.from_numpy(np.asarray(np_data).astype(np ...
利用反汇编手段解析C语言函数
利用反汇编手段解析C语言函数通过在 Visual C++6.0 下反汇编一个 32 位 C语言程序的部分代码来解析解释函数调用的具体过程. 函数调用过程函数调用过程主要由参数传递.地址跳转.局部变 ...
pytorch torch.norm(input, p=2) → float、torch.norm(input, p, dim, out=None) → Tensor（求范数）
torch.norm 用法1: torch.norm(input, p=2) → float 返回输入张量input 的p 范数. 参数: input (Tensor) – 输入张量 p (float ...
代码阅读 | torch.sort函数
知识点https://blog.csdn.net/u012495579/article/details/106117511网友讲得非常清晰了. 代码如下: lengths = [17,17,19,23 ...

解析torch.norm函数

解析torch.norm函数相关推荐

最新文章

热门文章