mindspore.ops.norm

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

返回给定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	\(sum(abs(x)^{ord})^{(1 / ord)}\)

说明

当前暂不支持复数。

参数：

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

• ord (Union[int, float, inf, -inf, ‘fro’, ‘nuc’], 可选) - norm的模式。行为参考上表。默认值：None。

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

  • 当 dim 为int时，会按向量范数计算。

  • 当 dim 为一个二元组时，会按矩阵范数计算。

  • 当 dim 为None且 ord 为None，A 将会被展平为1D并计算向量的2-范数。

  • 当 dim 为None且 ord 不为None，A 必须为1D或者2D。

• keepdim (bool) - 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 A 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，与输入 A 的数据类型相同。

异常：

• ValueError - dim 超出范围。

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

• TypeError - A 是一个向量并且 ord 是str类型。

• ValueError - A 是一个矩阵并且 ord 不是有效的取值。

• ValueError - A 是一个矩阵并且 ord 为一个整型但是取值不为[1, -1, 2, -2]之一。

• 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。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore as ms
>>> import mindspore.ops as ops
>>> x = ops.arange(-12, 13, dtype=ms.float32)
>>> y = x.reshape(5, 5)
>>> print(ops.norm(x))
36.05551
>>> print(ops.norm(x, float('inf')))
12.0
>>> print(ops.norm(x, float('-inf')))
0.0
>>> print(ops.norm(x, 0))
24.0
>>> print(ops.norm(x, 1))
156.0
>>> print(ops.norm(x, -1))
0.0
>>> print(ops.norm(x, 2))
36.05551
>>> print(ops.norm(x, -2))
0.0
>>> print(ops.norm(x, 3))
23.000631
>>> print(ops.norm(x, -3))
0.0
>>> print(ops.norm(y))
36.05551
>>> print(ops.norm(y, 'fro'))
36.05551
>>> print(ops.norm(y, 'nuc'))
42.42641
>>> print(ops.norm(y, float('inf')))
50.0
>>> print(ops.norm(y, float('-inf')))
6.0
>>> print(ops.norm(y, 1))
32.0
>>> print(ops.norm(y, -1))
30.0
>>> print(ops.norm(y, 2))
35.355343
>>> m = ms.Tensor([[1., -1., 2.], [-2., 3., -4.]])
>>> print(ops.norm(m, dim=0))
[2.236068  3.1622777 4.472136 ]
>>> print(ops.norm(m, dim=1))
[2.4494898 5.3851647]
>>> print(ops.norm(m, ord=1, dim=1))
[4. 9.]
>>> n = ops.arange(27, dtype=ms.float32).reshape(3, 3, 3)
>>> print(ops.norm(n, dim=(1, 2)))
[14.282857 39.76179  66.45299 ]
>>> print(ops.norm(n[0, :, :]), ops.norm(n[1, :, :]), ops.norm(n[2, :, :]))
14.282857 39.76179 66.45299