torch.norm

torch.norm是PyTorch库中的一个函数，用于计算向量或矩阵的范数。它接受两个参数：input和p。

如果input是一个向量，那么norm函数将计算该向量的p范数，即 ||input||_p = (|x_1|^p + |x_2|^p + ... + |x_n|^p)^(1/p)，其中|x_i|表示向量中第i个元素的绝对值。

如果input是一个矩阵，那么norm函数默认计算矩阵的Frobenius范数，即所有元素的平方和的平方根。也可以通过设置参数p的值来计算其他范数，例如p=1表示计算矩阵的1范数（列和范数），p=float('inf')表示计算矩阵的无穷范数（最大值范数）。

以下是使用torch.norm函数的示例代码：

import torch

# 计算向量的2范数
x = torch.tensor([1, 2, 3])
norm_2 = torch.norm(x, p=2)
print(norm_2)  # 输出tensor(3.7417)

# 计算矩阵的Frobenius范数
A = torch.tensor([[1, 2], [3, 4]])
norm_frobenius = torch.norm(A)
print(norm_frobenius)  # 输出tensor(5.4772)

# 计算矩阵的1范数
norm_1 = torch.norm(A, p=1)
print(norm_1)  # 输出tensor(6.)

# 计算矩阵的无穷范数
norm_inf = torch.norm(A, p=float('inf'))
print(norm_inf)  # 输出tensor(7.)

希望对你有所帮助！如果你还有其他问题，请随时提问。