PyTorch中向量的范数、1范数和2范数的正确计算方法是什么？
PyTorch中向量的范数、1范数和2范数的正确计算方法是什么？
提问于 2021-07-22 18:17:02
我有一个矩阵：
t = torch.rand(2,3)
print(t)
>>>tensor([[0.5164, 0.3651, 0.0882],
[0.4488, 0.9824, 0.4067]])我正在遵循这对规范的介绍，并希望在PyTorch中尝试。
似乎：
- 向量的
norm是“向量的大小或长度是描述空间中向量范围的非负数，有时被称为向量的大小或范数” 1-Norm是“绝对向量值之和，其中标量的绝对值使用表示法x-A1。实际上，范数是从向量空间原点到曼哈顿距离的计算。”2-Norm是“向量坐标与向量空间原点的距离，L2范数是平方向量值之和的平方根”。
我目前只知道这一点：
print(torch.linalg.norm(t, dim=1))
>>>tensor([0.6385, 1.1541])但是我不知道这里的三个范数(范数、1范数、2范数)中哪一个在计算，以及如何计算其余的。
回答 2
Stack Overflow用户
回答已采纳
发布于 2021-07-22 18:46:41
要计算0-、1-和2-范数，可以使用torch.linalg.norm，分别提供ord参数(0、1和2 )。或者直接放在张量上：Tensor.norm，带有p参数。以下是三个变体:手动计算、使用torch.linalg.norm和使用Tensor.norm。
- 0-范数x.norm(dim=1，p=0) >>> torch.linalg.norm(x，dim=1，ord=0) >>> x.ne(0).sum(dim=1)
- 1-范数x.norm(dim=1，p=1) >>> torch.linalg.norm(x，dim=1，ord=1) >>> x.abs().sum(dim=1)
- 2-规范x.norm(dim=1，p=2) >>> torch.linalg.norm(x，dim=1，ord=2) >>> x.pow(2).sum(dim=1).sqrt()
Stack Overflow用户
发布于 2021-07-22 18:45:09
要计算不同顺序的范数，只需用所需的顺序传递一个ord参数即可。例如：
torch.linalg.norm(t, dim=1, ord = 0)应该为norm工作。torch.linalg.norm(t, dim=1, ord = 1)应该适用于1-Norm.torch.linalg.norm(t, dim=1, ord = 2)应该适用于2-Norm. 诸若此类。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/68489765
复制相关文章
相似问题
腾讯云开发者
