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。

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.LpNorm

class mindspore.ops.LpNorm(axis, p=2, keep_dims=False, epsilon=1e-12)

返回输入矩阵或向量的p-范数。

$$output=\Vert input{\Vert }_p={\left(\sum _{i=1}^n{\left|input\right|}^p\right)}^{1/p}$$

参数：

• axis (int,list,tuple) - 指定计算范数的维度。

• p (int，可选) - 范数的阶。默认值： 2 。

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

• epsilon (float，可选) - 范数下界，当计算的范数小于此值时，用 epsilon 替换该结果。默认值： 1e-12 。

输入：

• input (Tensor) - 输入Tensor，数据类型为float16或float32。

输出：

Tensor，数据类型与 input 一致，其shape由 axis 决定。如果输入shape为 $(2,3,4)$ ， axis 为 $[0,1]$ ，则输出shape为 $(4,)$ 。

异常：

• TypeError - 若 input 不是Tensor。

• TypeError - 若 input 的数据类型不是float16或float32。

• TypeError - 若 p 不是int。

• TypeError - 若 axis 不是int、list或tuple。

• TypeError - 若 axis 是list或tuple，但含有非int元素。

• TypeError - 若 keep_dims 不是bool。

• ValueError - 若 axis 的元素不在 $[-r,r)$ 范围内，其中 $r$ 为 input 的秩。

• ValueError - 若 axis shape长度大于 input shape长度。

支持平台：

Ascend GPU CPU

样例：

>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> input_x = Tensor(np.array([[[1.0, 2.0], [3.0, 4.0]], [[5.0, 6.0], [7.0, 8.0]]]).astype(np.float32))
>>> op = ops.LpNorm(axis=[0, 1], p=2, keep_dims=False)
>>> output = op(input_x)
>>> print(output)
[ 9.165152 10.954452]