np.linalg.norm简介

numpy.linalg.norm 是 numpy 中线性代数库的一部分，它可以计算矩阵或向量的范数。

它接受两个参数：

• x: 要计算范数的矩阵或向量。
• ord：范数类型。默认值为 None，表示计算 2 范数(即欧几里得范数)。

常用的范数有以下几种：

• ord = None 或 ord = ‘fro’: 计算矩阵的 Frobenius 范数，即矩阵所有元素的平方和的平方根。
• ord = 2：计算向量的欧几里得范数，即向量所有元素的平方和的平方根。
• ord = 1：计算向量的曼哈顿范数，即向量所有元素的绝对值和。
• ord = inf：计算向量的无穷范数，即向量中最大元素的绝对值。
• ord = -inf：计算向量的负无穷范数，即向量中最小元素的绝对值。

举个例子：

import numpy as np

# 创建一个向量
vec = np.array([1, 2, 3])

# 计算向量的2范数
print(np.linalg.norm(vec)) # 3.7416573867739413

# 计算向量的1范数
print(np.linalg.norm(vec, ord=1)) # 6.0

# 计算向量的无穷范数
print(np.linalg.norm(vec, ord=np.inf)) # 3.0

在上面的例子中，我们使用np.linalg.norm计算了向量vec的2范数，1范数和无穷范数。

总之，np.linalg.norm是一个非常有用的函数，可以用来计算向量或矩阵的不同范数，在线性代数和机器学习等领域都有广泛应用。