matrix_norm

paddle.linalg.matrix_norm(x, p='fro', axis=[-2,-1], keepdim=False, name=None):

将计算给定 Tensor 的矩阵范数。具体用法请参见 norm。

参数

  • x (Tensor) - 输入 Tensor。维度为多维，数据类型为 float32 或 float64。

  • p (int|float|string，可选) - 范数(ord)的种类。目前支持的值为 fro、nuc、inf、-inf、1、2、-1、-2。默认值为 fro 。

  • axis (list|tuple，可选) - 使用范数计算的轴。axis 为 [-2,-1],否则 axis 必须为长度为 2 的 list|tuple。

  • keepdim (bool，可选) - 是否在输出的 Tensor 中保留和输入一样的维度，默认值为 False。当 keepdim 为 False 时，输出的 Tensor 会比输入 input 的维度少一些。

  • name (str，可选) - 具体用法请参见 Name，一般无需设置，默认值为 None。

返回

Tensor，在指定 axis 上进行范数计算的结果，与输入 input 数据类型相同。

代码示例

>>> import paddle
>>> x = paddle.arange(24, dtype="float32").reshape([2, 3, 4]) - 12
>>> print(x)
Tensor(shape=[2, 3, 4], dtype=float32, place=Place(cpu), stop_gradient=True,
[[[-12., -11., -10., -9. ],
  [-8. , -7. , -6. , -5. ],
  [-4. , -3. , -2. , -1. ]],
 [[ 0. ,  1. ,  2. ,  3. ],
  [ 4. ,  5. ,  6. ,  7. ],
  [ 8. ,  9. ,  10.,  11.]]])

>>> out_matrix_norm = paddle.linalg.matrix_norm(x=x,p=2,axis=[0,1],keepdim=False)
>>> print(out_matrix_norm)
Tensor(shape=[4], dtype=float32, place=Place(cpu), stop_gradient=True,
[15.75857544, 14.97978878, 14.69693947, 14.97978973])

>>> out_matrix_norm = paddle.linalg.matrix_norm(x=x,p='fro',axis=[0,1],keepdim=False)
>>> print(out_matrix_norm)
Tensor(shape=[4], dtype=float32, place=Place(cpu), stop_gradient=True,
[17.43559647, 16.91153526, 16.73320007, 16.91153526])

>>> out_matrix_norm = paddle.linalg.matrix_norm(x=x,p=float('inf'),axis=[1,2],keepdim=False)
>>> print(out_matrix_norm)
Tensor(shape=[2], dtype=float32, place=Place(cpu), stop_gradient=True,
[42., 38.])

>>> out_matrix_norm = paddle.linalg.matrix_norm(x=x,p=-1,axis=[0,1],keepdim=False)
>>> print(out_matrix_norm)
Tensor(shape=[4], dtype=float32, place=Place(cpu), stop_gradient=True,
[12., 12., 12., 12.])

>>> out_matrix_norm = paddle.linalg.matrix_norm(x=x,p='nuc',axis=[0,1],keepdim=False)
>>> print(out_matrix_norm)
Tensor(shape=[4], dtype=float32, place=Place(cpu), stop_gradient=True,
[23.21962357, 22.82873154, 22.69693947, 22.82873154])