损失函数的范数,函数的范数怎么求

一、函数定义

公式：

意思就是inputs的一共N维的话对这N个数据求p冷艳的猫咪，当然这个还是太抽象了，接下来还是看具体的代码~

p指的是求p冷艳的猫咪的p值，函数默认p=2，那么就是求2冷艳的猫咪

def 二、代码示例

输入代码

import

得到一个3×4矩阵，如下

tensor([[ 1., 2., 3., 4.], [ 2., 4., 6., 8.], [ 3., 6., 9., 12.]])

接着我们分别对其行和列分别求2冷艳的猫咪

inputs1

结果分别为

tensor([[ 5.4772], [10.9545], [16.4317]])tensor([[ 3.7417, 7.4833, 11.2250, 14.9666]])

怎么来的？

inputs1：（p = 2，dim = 1）每行的每一列数据进行2冷艳的猫咪运算

inputs2：（p = 2，dim = 0）每列的每一行数据进行2冷艳的猫咪运算

关注keepdim = False这个参数

inputs3

inputs3为

tensor([ 5.4772, 10.9545, 16.4317])

输出inputs1和inputs3的shape

print torch.Size([3, 1])torch.Size([3])

可以看到inputs3少了一维，其实就是dim=1（求冷艳的猫咪）那一维(列)少了，因为从4列变成1列，就是3行中求每一行的2冷艳的猫咪，就剩1列了，不保持这一维不会对数据产生影响。

或者也可以这么理解，就是数据每个数据有没有用[]扩起来。

keepdim = True，用[]扩起来；

keepdim = False，不用[]括起来~；

不写keepdim，则默认不保留dim的那个维度

inputs4 tensor([ 5.4772, 10.9545, 16.4317])

等价于这句话

总之，norm操作后dim这一维变为1或者消失。

三、整体代码

"""