NumPy中的norm()函数可以用于计算范数，它可以接受一个向量或矩阵作为参数，并返回一个标量值。
使用方法
norm()函数的一般形式如下：
numpy.linalg.norm(x, ord=None, axis=None, keepdims=False)
其中，x参数表示要计算范数的向量或矩阵；ord参数表示范数的类型，可以是“fro”（Frobenius范数）、“nuc”（核范数）、1（L1范数）、2（L2范数）、inf（无穷范数）等；axis参数表示计算范数的轴；keepdims参数表示是否保持矩阵维度不变。
实例
下面是一个实例：
import numpy as np x = np.array([[1,2,3],[4,5,6]]) # 计算Frobenius范数 fro_norm = np.linalg.norm(x, ord='fro') # 计算L2范数 l2_norm = np.linalg.norm(x, ord=2) # 计算无穷范数 inf_norm = np.linalg.norm(x, ord=np.inf) print(fro_norm, l2_norm, inf_norm)
输出结果为：9.539392014169456 9.539392014169456 6.0