文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

PR

小问题，全程线上修改...

一键搞定！

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

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) - 指定数据类型。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])