Python 试图理解NumPy'；s-linalg.norm方法

我不明白这段代码在做什么。X是一个矩阵，它的每一行都是图像的特征向量。规范是做什么的

   # Take an eigenvector and make it into an image
    def vecToImage(x, size = lfw_imageSize):
      im = x/np.linalg.norm(x)
      im = im*(256./np.max(im))
      im.resize(*size)
      return im

在这件事上情况很清楚。您将ord参数的None传递给linalg.norm（），因此得到Frobenius范数

代码似乎正在通过除以范数来规范化输入。然后，它似乎试图缩放为8位颜色值，但效果不佳。但是代码的范围是0到256，而不是0到255

然而，第一步对我来说似乎毫无意义。代码可以简单地读取：

im = x*(256./np.max(x))      

但也许应该是255而不是256

---

因为这里没有上下文，所以我不愿意声明代码是错误的。只有你才能做出决定，因为只有你知道上下文。

是的，但这里发生的直觉是什么。我不太懂弗罗贝尼乌斯·诺姆的数学……我对代码没有直觉。你从哪里弄来的？我不知道输入是什么。矩阵有特征向量，我不太确定图像作为矩阵有什么意义。我以为你想知道诺姆做了什么？诺姆做了什么？这个计算是为了什么？广义地说，标准是衡量一个物体有多大的尺度。Abs（）是标量最常见的规范。对于向量，有L1、L2、Linfinity范数等等。最常见的是L2，即欧几里德范数。在代码中，使用norm是毫无意义的。