代碼：x.norm(p=2,dim=1,keepdim=True)

功能：求指定維度上的范數。

函數原型：【返回輸入張量給定維dim 上每行的p范數】

torch.norm(input, p, dim, out=None,keepdim=False) → Tensor

注：范數求法：【對N個數據求p范數】
||x||p=p次根號下 （x1的p次冪 + x2的p次冪 + x3的p次冪 + …）

input (Tensor) – 輸入張量

p (float) – 范數計算中的冪指數值

dim (int) – 縮減的維度，dim=0是對0維度上的一個向量求范數，返回結果數量等于其列的個數，也就是說有多少個0維度的向量， 將得到多少個范數。dim=1同理。

out (Tensor, optional) – 結果張量

keepdim（bool）– 保持輸出的維度 。當keepdim=False時，輸出比輸入少一個維度（就是指定的dim求范數的維度）。
而keepdim=True時，輸出與輸入維度相同，僅僅是輸出在求范數的維度上元素個數變為1。這也是為什么有時
我們把參數中的dim稱為縮減的維度，因為norm運算之后，此維度或者消失或者元素個數變為1。

import torchinputs=torch.tensor([[ 1., 2., 3., 4.],[ 2., 4., 6., 8.],[ 3., 6., 9., 12.]]) print(inputs.shape)#torch.Size([3, 4]) inputs1 = torch.norm(inputs, p=2, dim=1, keepdim=True) print(inputs1)

torch.Size([3, 4])==》torch.Size([3, 1])
tensor([[ 5.4772],
[10.9545],
[16.4317]])
求解過程：dim=1即就是在4個數的維度上進行求范數
5.4772 = 2√￣(1²⁺²2+3²⁺⁴2)
10.9545 = 2√￣(2²⁺⁴2+6²⁺⁸2)
16.4317=2√￣(3²⁺⁶2+9²⁺¹²2)

inputs2 = torch.norm(inputs, p=2, dim=0, keepdim=True) print(inputs2)

torch.Size([3, 4])==》torch.Size([1, 4])
tensor([[ 3.7417, 7.4833, 11.2250, 14.9666]])
計算過程：dim=0，即就是在3行的維度上進行縱向求解，在哪個維度上，輸出結構哪個維度將會變成1
3.7417 = 2√￣(1²⁺²2+3^2)
7.4833 = 2√￣(2²⁺⁴2+6^2)
11.2250 = 2√￣(3²⁺⁶2+9^2)
14.9666 = 2√￣(4²⁺⁸2+12^2)

總結

以上是生活随笔為你收集整理的x.norm(p=2,dim=1,keepdim=True)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。