tf.norm

Вычисляет норму векторов, матриц и тензоров.

Просмотр псевдонимов

Основные псевдонимы

tf.linalg.norm

tf.norm(
    tensor, ord='euclidean', axis=None, keepdims=None, name=None
)

Используется в ноутбуках

Используется в руководстве	Используется в учебниках
Расширенная автоматическая дифференциация Приближение матриц с помощью основных API	Генерация искусственных лиц с помощью модели CelebA Progressive GAN Классификация поз человека с помощью MoveNet и TensorFlow Lite Обобщенные линейные модели Нейронный перевод с помощью Transformer и Keras

Эта функция может вычислять различные нормы векторов (1-норма, евклидова или 2-норма, норма по бесконечности и, в общем случае, p-норма для p > 0) и матриц (норма Фробениуса, 1-норма, 2-норма и норма по бесконечности).

Аргументы
`tensor`	тензор типов `float32`, `float64`, `complex64`, `complex128`
`ord`	Порядок нормы. Поддерживаемые значения — `'fro'`, `'euclidean'`, `1`, `2`, `np.inf` и любое положительное действительное число, определяющее соответствующую p-норму. По умолчанию используется значение `'euclidean'`, что эквивалентно норме Фробениуса, если `tensor` — матрица и эквивалентно 2-норме для векторов. Применяются некоторые ограничения: а) норма Фробениуса `'fro'` не определена для векторов, б) если ось — кортеж из двух элементов (норма матрицы), поддерживаются только `'euclidean'`, '`fro'`, `1`, `2`, `np.inf`. См. описание `axis`, как вычислять нормы для набора векторов или матриц, хранящихся в тензоре.
`axis`	Если `axis` равно `None` (по умолчанию), вход интерпретируется как вектор, и вычисляется единственная векторная норма для всех значений в тензоре, т.е. `norm(tensor, ord=ord)` эквивалентно `norm(reshape(tensor, [-1]), ord=ord)`. Если `axis` — целое число Python, вход интерпретируется как набор векторов, и `axis` определяет ось в `tensor`, по которой вычисляются векторные нормы. Если `axis` — кортеж из двух целых чисел Python, он интерпретируется как набор матриц, и `axis` определяет оси в `tensor`, по которым вычисляется норма матрицы. Поддерживаются отрицательные индексы. Пример: если вы передаете тензор, который может быть либо матрицей, либо набором матриц во время выполнения, используйте `axis=[-2,-1]` вместо `axis=None`, чтобы убедиться, что вычисляются нормы матриц.
`keepdims`	Если True, указанные в `axis` оси сохраняются с размером 1. В противном случае, размеры в `axis` удаляются из формы выходных данных.
`name`	Имя операции.

Возвращаемое значение

output тензор того же типа, что и тензор, содержащий векторные или матричные нормы. Если keepdims True, ранг выходных данных равен рангу tensor. В противном случае, если axis — None, выходной результат — скаляр, если axis — целое число, ранг output на единицу меньше ранга tensor, если axis — кортеж из двух элементов, ранг output на две единицы меньше ранга tensor.

Возвращаемое значение
`output`	тензор того же типа, что и тензор, содержащий векторные или матричные нормы. Если `keepdims` True, ранг выходных данных равен рангу `tensor`. В противном случае, если `axis` — None, выходной результат — скаляр, если `axis` — целое число, ранг `output` на единицу меньше ранга `tensor`, если `axis` — кортеж из двух элементов, ранг `output` на две единицы меньше ранга `tensor`.

Возможные исключения
`ValueError`	Если `ord` или `axis` некорректны.

Совместимость с numpy

В основном эквивалентно numpy.linalg.norm. Не поддерживается: ord <= 0, 2-норма для матриц, ядерная норма. Другие отличия: а) Если ось — None, сглаженный tensor интерпретируется как вектор независимо от ранга. б) Явно поддерживается норма «евклидова» по умолчанию, включая тензоры более высокого порядка.

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/norm