mindspore.mint.norm

mindspore.mint.norm(input, p='fro', dim=None, keepdim=False, *, dtype=None)

返回给定Tensor的矩阵范数或向量范数。

p 为范数的计算模式。支持下列范数模式。

p	矩阵范数	向量范数
'fro'	Frobenius 范数	不支持
'nuc'	Nuclear 范数	不支持
其余int或float值	不支持	\(sum(abs(x)^{p})^{(1 / p)}\)

警告

这是一个实验性API，后续可能修改或删除。

参数：

• input (Tensor) - shape为 \((*)\) 或者 \((*, m, n)\) 的Tensor，其中*是零个或多个batch维度。

• p (Union[bool, int, float, inf, -inf, 'fro', 'nuc'], 可选) - 范数的计算模式。行为参考上表。默认值： 'fro' 。

• dim (Union[int, List(int), Tuple(int)], 可选) - 计算向量范数或矩阵范数的维度。默认值： None 。

• keepdim (bool, 可选) - 输出Tensor是否保留原有的维度。默认值： False 。

关键字参数：

• dtype (mindspore.dtype, 可选) - 如果设置此参数，则会在执行之前将 input 转换为指定的类型，返回的Tensor类型也将为指定类型 dtype。默认值： None 。

返回：

Tensor，在指定维度 dim 上进行范数计算的结果。

异常：

• TypeError - input 不是一个Tensor。

• ValueError - dim 超出范围。

• TypeError - dim 既不是int也不是由int组成的tuple或list。

• ValueError - dim 的两个元素在标准化过后取值相同。

• ValueError - dim 的任意元素超出索引。

说明

动态shape、动态rank和可变输入不支持在 图模式(mode=mindspore.GRAPH_MODE) 下执行。

支持平台：

Ascend

样例：

>>> import mindspore as ms
>>> from mindspore import mint
>>> data_range = ops.arange(-13, 13, dtype=ms.float32)
>>> x = data_range[data_range != 0]
>>> y = x.reshape(5, 5)
>>> print(mint.norm(x, 2.0))
38.327538