Python 官方文档:入门教程 => 点击学习
目录1. 介绍1.1 p-范数1.2 Frobenius 范数1.3 核范数2. api3. 示例1. 介绍 torch.nORM()是对输入的tensor求对应的范数。tensor
torch.nORM()是对输入的tensor求对应的范数。tensor的范数有以下三种:
即,矩阵各项元素的绝对值平方的总和。
也即,求矩阵奇异值的和。该范数常被用于约束矩阵的低秩,对于稀疏性质的数据而言,其矩阵是低秩且会包含大量冗余信息,这些信息可被用于恢复数据和提取特征。
def norm(input, p="fro", dim=None, keepdim=False, out=None, dtype=None):
参数解释:
import torch
a = torch.ones(5, 2, 2)
a_norm = a.norm(1, 1)
print(a)
print(a_norm)
输出:
说明:
到此这篇关于python中torch.norm()用法解析的文章就介绍到这了,更多相关Python torch.norm()内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网!
--结束END--
本文标题: Python中torch.norm()用法解析
本文链接: https://www.lsjlt.com/news/198974.html(转载时请注明来源链接)
有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341
下载Word文档到电脑,方便收藏和打印~
2024-03-01
2024-03-01
2024-03-01
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
回答
回答
回答
回答
回答
回答
回答
回答
回答
回答
0