用python3实现常用向量范数的计算，并且说明一下

在Python3中，可以使用numpy模块来进行向量范数的计算。向量范数是度量向量大小的一种方式，通常用于计算机视觉、机器学习等领域中的特征向量的大小。

常用的向量范数有以下三种：

1. L1范数（曼哈顿范数）：将向量中每个元素的绝对值相加。

2. L2范数（欧几里得范数）：将向量中每个元素的平方相加，再开根号。

3. 无穷范数：向量中元素绝对值的最大值。

下面是使用numpy模块实现向量范数的示例代码：

import numpy as np

# 定义一个向量
v = np.array([1, 2, 3, 4, 5])

# 计算L1范数
l1_norm = np.linalg.norm(v, ord=1)
print("L1 norm of v:", l1_norm)

# 计算L2范数
l2_norm = np.linalg.norm(v, ord=2)
print("L2 norm of v:", l2_norm)

# 计算无穷范数
inf_norm = np.linalg.norm(v, ord=np.inf)
print("Infinity norm of v:", inf_norm)

输出结果为：

L1 norm of v: 15.0
L2 norm of v: 7.416198487095663
Infinity norm of v: 5.0

其中，`ord`参数用于指定计算的范数类型，取值为1、2或np.inf。