代碼：x.norm(p=2,dim=1,keepdim=True)

功能：求指定維度上的范數(shù)。

函數(shù)原型：【返回輸入張量給定維dim?上每行的p范數(shù)】

? ? ? ? ? ? ? ? ?torch.norm(input, p, dim, out=None,keepdim=False) → Tensor

? ? ? ? ?注：范數(shù)求法：【對(duì)N個(gè)數(shù)據(jù)求p范數(shù)】

? ? ? ? ? ? ? ? ??

函數(shù)參數(shù)：

input (Tensor) – 輸入張量

p (float) – 范數(shù)計(jì)算中的冪指數(shù)值

dim (int) – 縮減的維度，dim=0是對(duì)0維度上的一個(gè)向量求范數(shù)，返回結(jié)果數(shù)量等于其列的個(gè)數(shù)，也就是說(shuō)有多少個(gè)0維度的向? ? ? ? ? ? ? ? ? ? ? ? ? 量，?將得到多少個(gè)范數(shù)。dim=1同理。

out (Tensor, optional) – 結(jié)果張量

keepdim（bool）– 保持輸出的維度 。當(dāng)keepdim=False時(shí)，輸出比輸入少一個(gè)維度（就是指定的dim求范數(shù)的維度）。而? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? keepdim=True時(shí)，輸出與輸入維度相同，僅僅是輸出在求范數(shù)的維度上元素個(gè)數(shù)變?yōu)?。這也是為什么有時(shí)? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 我們把參數(shù)中的dim稱為縮減的維度，因?yàn)閚orm運(yùn)算之后，此維度或者消失或者元素個(gè)數(shù)變?yōu)?。

?

例子說(shuō)明：

已知一個(gè)3×4矩陣，如下：

tensor([[ 1.,? 2.,? 3.,? 4.],

??????? [ 2.,? 4.,? 6.,? 8.],

??????? [ 3.,? 6.,? 9., 12.]])

1）dim參數(shù)，分別對(duì)其行和列分別求2范數(shù)：

inputs1 = torch.norm(inputs, p=2, dim=1, keepdim=True)

print(inputs1)

inputs2 = torch.norm(inputs, p=2, dim=0, keepdim=True)

print(inputs2)

結(jié)果分別為：

tensor([[ 5.4772],

??????? [10.9545],

??????? [16.4317]])

tensor([[ 3.7417,? 7.4833, 11.2250, 14.9666]])

2）keepdim參數(shù)

inputs3 = inputs.norm(p=2, dim=1, keepdim=False)

print(inputs3)

inputs3為：

tensor([ 5.4772, 10.9545, 16.4317])

?

輸出inputs1和inputs3的shape：

print(inputs1.shape)

print(inputs3.shape)

torch.Size([3, 1])

torch.Size([3])

可以看到inputs3少了一維，其實(shí)就是dim=1（求范數(shù)）那一維(列)少了，因?yàn)閺?列變成1列，就是3行中求每一行的2范數(shù)，就剩1列了，不保持這一維不會(huì)對(duì)數(shù)據(jù)產(chǎn)生影響。或者也可以這么理解，就是數(shù)據(jù)每個(gè)數(shù)據(jù)有沒(méi)有用[]擴(kuò)起來(lái)。

即：

keepdim = True，用[]擴(kuò)起來(lái)；

keepdim = False，不用[]括起來(lái)；

?

【不寫(xiě)keepdim，則默認(rèn)不保留dim的那個(gè)維度】：

inputs4 = torch.norm(inputs, p=2, dim=1)

print(inputs4)

tensor([ 5.4772, 10.9545, 16.4317])

?

【不寫(xiě)dim，則計(jì)算Tensor中所有元素的2范數(shù)】：

inputs5 = torch.norm(inputs, p=2)

print(inputs5)

tensor(20.4939)

等價(jià)于這句話：

inputs6 = inputs.pow(2).sum().sqrt()

print(inputs6)

tensor(20.4939)

總之，norm操作后dim這一維變?yōu)?或者消失。

總結(jié)

以上是生活随笔為你收集整理的pytorch中x.norm(p=2,dim=1,keepdim=True)的理解的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。