mindspore.ops.cond

mindspore.ops.cond(A, p=None)[源代码]

返回给定Tensor的矩阵范数或向量范数。

p 为norm的计算模式。支持下列norm模式。

p	矩阵范数	向量范数
`None` (默认值)	2-norm (参考最下方公式)	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。
p (Union[int, float, inf, -inf, ‘fro’, ‘nuc’], 可选) - norm的模式。行为参考上表。默认值： None 。

返回：

Tensor，进行条件数计算的结果，与输入 A 的数据类型相同。

异常：

TypeError - A 是一个向量并且 p 是str类型。
ValueError - A 是一个矩阵并且 p 不是有效的取值。
ValueError - A 是一个矩阵并且 p 为一个取值不为[1, -1, 2, -2]之一的整型。

支持平台：

GPU CPU

样例：

>>> import mindspore as ms
>>> x = ms.Tensor([[1.0, 0.0, -1.0], [0.0, 1.0, 0.0], [1.0, 0.0, 1.0]])
>>> print(ms.ops.cond(x))
1.4142
>>> print(ms.ops.cond(x, 'fro'))
1.1623