Python numpy中无环矩阵范数的计算
如何计算(100,8,8)矩阵中的矩阵范数,从而在末尾有100个范数列表向量?例如,我想要每个8x8矩阵的范数 现在我知道了,但它可能太低效和丑陋了Python numpy中无环矩阵范数的计算,python,numpy,Python,Numpy,如何计算(100,8,8)矩阵中的矩阵范数,从而在末尾有100个范数列表向量?例如,我想要每个8x8矩阵的范数 现在我知道了,但它可能太低效和丑陋了 norms = [] for m in mats: norms.append(np.linalg.norm(m, ord='fro')) 接受一个axis参数,该参数可以是一个元组,其中包含两个保存矩阵的轴。所以你的计算很简单 norms = np.linalg.norm(m, ord='fro', axis=(1, 2)) 比如说,
norms = []
for m in mats:
norms.append(np.linalg.norm(m, ord='fro'))
接受一个axis
参数,该参数可以是一个元组,其中包含两个保存矩阵的轴。所以你的计算很简单
norms = np.linalg.norm(m, ord='fro', axis=(1, 2))
比如说,
In [43]: import numpy as np
In [44]: rng = np.random.default_rng()
In [45]: m = rng.uniform(0, 3, size=(10, 8, 8))
In [46]: norms = np.linalg.norm(m, ord='fro', axis=(1, 2))
In [47]: norms
Out[47]:
array([15.43326187, 12.18174753, 12.72366662, 14.20558871, 14.08558457,
13.51040102, 13.38476228, 14.3334069 , 15.19745515, 14.46134742])
接受一个axis
参数,该参数可以是一个元组,其中包含两个保存矩阵的轴。所以你的计算很简单
norms = np.linalg.norm(m, ord='fro', axis=(1, 2))
比如说,
In [43]: import numpy as np
In [44]: rng = np.random.default_rng()
In [45]: m = rng.uniform(0, 3, size=(10, 8, 8))
In [46]: norms = np.linalg.norm(m, ord='fro', axis=(1, 2))
In [47]: norms
Out[47]:
array([15.43326187, 12.18174753, 12.72366662, 14.20558871, 14.08558457,
13.51040102, 13.38476228, 14.3334069 , 15.19745515, 14.46134742])
(这是专门针对Frobenius规范的)
(这是专门针对弗罗贝尼乌斯规范的)。您可以通过列表理解来完成:
norms=[np.linalg.norm(m,ord='fro')表示垫子中的m]
或者使用numpy.vectorize
:
@np.vectorize
定义我的乐趣(m):
返回np.linalg.norm(m,ord='fro')
标准=我的乐趣(垫子)
您可以通过列表理解来完成此操作:
norms=[np.linalg.norm(m,ord='fro')表示垫子中的m]
或者使用numpy.vectorize
:
@np.vectorize
定义我的乐趣(m):
返回np.linalg.norm(m,ord='fro')
标准=我的乐趣(垫子)