开发者

Python中torch.norm()用法解析

开发者 https://www.devze.com 2023-03-09 09:18 出处:网络 作者: 笃℃
目录1. 介绍1.1 p-范数1.2 Frobenius 范数1.3 核范数2. API3. 示例1. 介绍 torch.norm()是对输入的tensor求对应的范数。www.devze.comtensor的范数有以下三种:
目录
  • 1. 介绍
    • 1.1 p-范数
    • 1.2 Frobenius 范数
    • 1.3 核范数
  • 2. API
    • 3. 示例

      1. 介绍

      torch.norm()是对输入的tensor求对应的范数。www.devze.comtensor的范数有以下三种:

      1.1 p-范数

      Python中torch.norm()用法解析

      1.2 Frobenius 范数

      即,矩阵各项元素的绝对值平方的总和。

      Python中torch.norm()用法解析

      1.3 核范数

      也即,求矩阵奇异值的和。该范数常被用于约束矩阵的低秩,对于稀疏性质的数据而言,其矩阵是低秩且会包含大量冗余信息,这些信息可被用于恢复数据和提取特征。

      Python中torch.norm()用法解析

      2. API

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

      参数解释:

      • input:输入tensor类型的数据
      • p:指定的范数
        • 默认为p=‘fro’,计算矩阵的Frobenius norm (Frobenius 范数),就是矩阵各项元素的绝对值平方的总和。
        • p='nuc’时,是求核范数,核范数是矩阵奇异值的和。(不常用)
        • p为int的形式,是求p-范数。(常用)
      • dim:指定在哪个维度进行,如果不指定,则是在所有维度进行计算
      • keepdim:True or False,如果True,则保留dim指定的维度,False则不保留
      • out:输出的 tensor
      • dtype:指定输出的tensor的数据类型

      3. 示例

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

      输出:

      Python中torch.norm()用法解析

      说明:

      • 指定p=1,dim=1。也就是在a的第2个维度(dim=1)进行1(p=1)范数计算。

        可以发现:a_norm的shape为(5,2),keepdim默认设置的是False,所以第2个维度对应的2消失了开发者_JS开发,如果keepdim=True,将会保留第3个维度,但是会变成(5,2,1)。

      • 每一个元素都是为2,也就是javascript1范数的结果。

      到此这篇关于python中torch.norm()用法解析的文章就介绍到这了,更多相关Python torch.norm()内容请搜索我们qvAnaxjzb以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们!

      0

      精彩评论

      暂无评论...
      验证码 换一张
      取 消

      关注公众号