mindspore.ops.norm

mindspore.ops.norm(A, ord=None, dim=None, keepdim=False, *, dtype=None)

计算tensor的矩阵范数或向量范数。

ord 为norm的计算模式。支持下列norm模式。

ord	矩阵范数	向量范数
None (默认值)	Frobenius norm	2-norm (参考最下方公式)
'fro'	Frobenius norm	不支持
'nuc'	nuclear norm	不支持
inf	$max(sum(abs(x),dim=1))$	$max(abs(x))$
-inf	$min(sum(abs(x),dim=1))$	$min(abs(x))$
0	不支持	$sum(x!=0)$
1	$max(sum(abs(x),dim=0))$	参考最下方公式
-1	$min(sum(abs(x),dim=0))$	参考最下方公式
2	最大奇异值	参考最下方公式
-2	最小奇异值	参考最下方公式
其余int或float值	不支持	$sum(abs(x{)}^{ord}{)}^{(1/ord)}$

参数：

• A (Tensor) - 输入tensor。

• ord (Union[int, float, inf, -inf, 'fro', 'nuc'], 可选) - 指定要采用的范数类型。默认 None 。

• dim (Union[int, Tuple(int)], 可选) - 指定计算维度。默认 None 。

  • 当 dim 为int时，计算向量范数。

  • 当 dim 为一个二元组时，计算矩阵范数。

  • 当 dim 为 None 且 ord 为 None ，展平 A 为一维tensor并计算向量的2-范数。

  • 当 dim 为 None 且 ord 不为 None ， A 必须为一维或者二维。

• keepdim (bool) - 输出tensor是否保留维度。默认 False 。

关键字参数：

• dtype (mindspore.dtype, 可选) - 返回的数据类型。如果设置此参数，则会在计算前将 A 转换为指定的类型。默认 None 。

返回：

Tensor

说明

• 当前暂不支持复数。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> # Vector norms:
>>> A = mindspore.tensor([3., 4., 12.])
>>> mindspore.ops.norm(A)
Tensor(shape=[], dtype=Float32, value= 13)
>>> mindspore.ops.norm(A, ord=1)
Tensor(shape=[], dtype=Float32, value= 19)
>>> mindspore.ops.norm(A, ord=0)
Tensor(shape=[], dtype=Float32, value= 3)
>>>
>>> # Matrix norms:
>>> A = mindspore.tensor([[1., 2., 3.],
...                       [4., 5., 7.]])
>>> mindspore.ops.norm(A)  # Frobenius norm
Tensor(shape=[], dtype=Float32, value= 10.198)
>>> mindspore.ops.norm(A, ord='nuc')  # nuclear norm
Tensor(shape=[], dtype=Float32, value= 10.7625)
>>> mindspore.ops.norm(A, ord=1)  # 1-norm
Tensor(shape=[], dtype=Float32, value= 10)
>>>
>>> # Batched vector norm:
>>> mindspore.ops.norm(A, dim=1)
Tensor(shape=[2], dtype=Float32, value= [ 3.74165726e+00,  9.48683262e+00])