1：求範數norm(int)/norm(int,dim)當只有一個引數時表示求幾範數，當有兩個引數時第二個表示在哪一個索引維度求範數。

[注]在那個維度進行求範數時，哪個維度消失。例如圖中shape為[2,2,2]的c在第0維度求範數則其shape變為[2,2]

[注]較難理解因此進行詳細刨析對於如下型別的tensorD：

D=tensor([[[a1,a2],

[a3,a4]],

[[b1,b2],

[b3,b4]]])

int:D.norm(2,dim=0)

out:tensor([[(a1*a1+b1*b1)**1/2,(a2*a2+b2*b2)**1/2],

[(a3*a3+b3*b3)**1/2,(a4*a4+b4*b4)**1/2]])

int:D.norm(2,dim=0).shape

out:tensor([2,2])

int:D.norm(2,dim=1)

out:tensor([[(a1*a1+a3*a3)**1/2,(a2*a2+a4*a4)**1/2],

[(b1*b1+b3*b3)**1/2,(b2*b2+b4*b4)**1/2]])

int:D.norm(2,dim=1).shape

out:tensor([2,2])

int:D.norm(2,dim=2)

out:tensor([[(a1*a1+a2*a2)**1/2,(a3*a3+a4*a4)**1/2],

[(b1*b1+b2*b2)**1/2,(b3*b3+b4*b4)**1/2]])

int:D.norm(2,dim=2).shape

out:tensor([2,2])

2：mean求均值/sum/min/max/prod數乘/argmax最大索引/argmin表示最小索引

【注】這些函式都會將tensor轉換成1維的tensor，然後進行運算

【注】：如上圖如果需要在指定維度計算最值，可以新增索引維度引數。