Функция linalg.vector_norm

Функция linalg.vector_norm вычисляет векторную норму для входного тензора. В отличие от norm, эта функция специализируется именно на векторных нормах и предоставляет более гибкий контроль над вычислениями. Первым параметром передается тензор, вторым - порядок нормы (по умолчанию 2 для евклидовой нормы). Также можно указать размерность, вдоль которой вычисляется норма, и сохранять ли размерность в выходном тензоре.

Синтаксис

torch.linalg.vector_norm(input, ord=2, dim=None, keepdim=False, dtype=None)

Пример

Вычислим евклидову норму (порядок 2) для одномерного вектора:

import torch

t = torch.tensor([3.0, 4.0])
res = torch.linalg.vector_norm(t)
print(res)

Результат выполнения кода:

tensor(5.)

Пример

Вычислим манхэттенскую норму (порядок 1) для того же вектора:

import torch

t = torch.tensor([3.0, -4.0])
res = torch.linalg.vector_norm(t, ord=1)
print(res)

Результат выполнения кода:

tensor(7.)

Пример

Вычислим норму для пакета векторов, указав размерность:

import torch

t = torch.tensor([
	[1.0, 2.0, 3.0],
	[4.0, 5.0, 6.0],
])
res = torch.linalg.vector_norm(t, dim=1)
print(res)

Результат выполнения кода:

tensor([3.7417, 8.7750])

Пример

Используем параметр keepdim для сохранения размерности:

import torch

t = torch.tensor([
	[1.0, 2.0],
	[3.0, 4.0],
])
res = torch.linalg.vector_norm(t, dim=1, keepdim=True)
print(res)

Результат выполнения кода:

tensor([
	[2.2361],
	[5.0000],
])

Пример

Вычислим норму с явным указанием типа данных dtype:

import torch

t = torch.tensor([1, 2, 3], dtype=torch.float)
res = torch.linalg.vector_norm(t, dtype=torch.float64)
print(res.dtype)
print(res)

Результат выполнения кода:

torch.float64
tensor(3.7417, dtype=torch.float64)

Смотрите также

функцию norm,
которая вычисляет общую норму для тензоров
функцию matrix_norm,
которая вычисляет матричную норму
функцию svd,
которая раскладывает матрицу на сингулярные числа
функцию qr,
которая выполняет QR-разложение матрицы