在计算机科学和编程中，"norm"通常指的是 范数（norm）。范数是一个数学概念，用于度量向量或矩阵的大小或长度。范数将向量或矩阵映射到非负实数，并满足非负性、齐次性和三角不等式等基本性质。
常见的范数类型包括：
欧氏范数（Euclidean norm）：也称为L2范数，是向量元素平方和的平方根。
曼哈顿范数（Manhattan norm）：也称为L1范数，是向量元素绝对值之和。
闵可夫斯基范数（Minkowski norm）：是欧氏范数的泛化，形式为 \（\norm{x}{p} = \left（ \sum_{i=1}^n |x_i|^p \right）^{1/p}\），其中 \（p\） 是正实数。
在编程中，范数常用于机器学习、数据分析和优化算法中，以衡量向量的大小、距离和相似度等。例如，在MATLAB中，`norm`函数用于计算向量的范数，可以指定不同的范数类型（如2范数、1范数等）。
总结来说，"norm"在计算机科学中主要是一个用于度量向量或矩阵大小的数学概念，具有多种类型和应用。