用法:
mxnet.ndarray.norm(data=None, ord=_Null, axis=_Null, out_dtype=_Null, keepdims=_Null, out=None, name=None, **kwargs)
- data:(
NDArray
) - 輸入 - ord:(
int
,
optional
,
default='2'
) - 規範的順序。目前支持 ord=1 和 ord=2。 - axis:(
Shape
or
None
,
optional
,
default=None
) -- 沿其執行縮減的一個或多個軸。
默認值
axis=()
會將所有元素計算為形狀為(1,)
的標量數組。如果axis
是int,則在特定軸上執行縮減。如果axis
是一個 2 元組,它指定保存二維矩陣的軸,並計算這些矩陣的矩陣範數。
- out_dtype:(
{None
,
'float16'
,
'float32'
,
'float64'
,
'int32'
,
'int64'
,
'int8'}
,
optional
,
default='None'
) - 輸出的數據類型。 - keepdims:(
boolean
,
optional
,
default=0
) - 如果設置為True
,縮小的軸作為尺寸為一的維度留在結果中。 - out:(
NDArray
,
optional
) - 輸出 NDArray 來保存結果。
- data:(
out:- 此函數的輸出。
NDArray 或 NDArray 列表
參數:
返回:
返回類型:
計算 NDArray 上的範數。
此運算符根據 ord 參數的值計算具有指定軸的 NDArray 上的範數。默認情況下,它計算整個數組的 L2 範數。目前隻有 ord=2 支持稀疏 ndarrays。
例子:
x = [[[1, 2], [3, 4]], [[2, 2], [5, 6]]] norm(x, ord=2, axis=1) = [[3.1622777 4.472136 ] [5.3851647 6.3245554]] norm(x, ord=1, axis=1) = [[4., 6.], [7., 8.]] rsp = x.cast_storage('row_sparse') norm(rsp) = [5.47722578] csr = x.cast_storage('csr') norm(csr) = [5.47722578]
相關用法
- Python mxnet.ndarray.normal用法及代碼示例
- Python mxnet.ndarray.not_equal用法及代碼示例
- Python mxnet.ndarray.op.uniform用法及代碼示例
- Python mxnet.ndarray.op.sample_negative_binomial用法及代碼示例
- Python mxnet.ndarray.NDArray.ndim用法及代碼示例
- Python mxnet.ndarray.op.khatri_rao用法及代碼示例
- Python mxnet.ndarray.op.unravel_index用法及代碼示例
- Python mxnet.ndarray.contrib.group_adagrad_update用法及代碼示例
- Python mxnet.ndarray.op.slice_like用法及代碼示例
- Python mxnet.ndarray.sparse.trunc用法及代碼示例
- Python mxnet.ndarray.op.L2Normalization用法及代碼示例
- Python mxnet.ndarray.op.softmax_cross_entropy用法及代碼示例
- Python mxnet.ndarray.where用法及代碼示例
- Python mxnet.ndarray.NDArray.reshape用法及代碼示例
- Python mxnet.ndarray.op.round用法及代碼示例
- Python mxnet.ndarray.SliceChannel用法及代碼示例
- Python mxnet.ndarray.eye用法及代碼示例
- Python mxnet.ndarray.sample_multinomial用法及代碼示例
- Python mxnet.ndarray.op.diag用法及代碼示例
- Python mxnet.ndarray.ones_like用法及代碼示例
注:本文由純淨天空篩選整理自apache.org大神的英文原創作品 mxnet.ndarray.norm。非經特殊聲明,原始代碼版權歸原作者所有,本譯文未經允許或授權,請勿轉載或複製。