Python mxnet.ndarray.L2Normalization用法及代码示例

用法:
mxnet.ndarray.L2Normalization(data=None, eps=_Null, mode=_Null, out=None, name=None, **kwargs)

参数：

data：(NDArray) - 输入数组进行标准化。
eps：(float, optional, default=1.00000001e-10) - 数值稳定性的小常数。
mode：({'channel', 'instance', 'spatial'},optional, default='instance') - 指定计算 L2 范数的维度。
out：(NDArray, optional) - 输出 NDArray 来保存结果。

out：- 此函数的输出。

返回类型：

NDArray 或 NDArray 列表

使用 L2 范数对输入数组进行归一化。

对于一维 NDArray，它计算：

out = data / sqrt(sum(data ** 2) + eps)

对于N-D NDArray，如果输入数组的形状为 (N, N, ..., N)，

使用 mode = instance ，它通过 L2 范数对多维数组中的每个实例进行归一化：

for i in 0...N
  out[i,:,:,...,:] = data[i,:,:,...,:] / sqrt(sum(data[i,:,:,...,:] ** 2) + eps)

使用 mode = channel ，它通过 L2 范数对数组中的每个通道进行归一化：

for i in 0...N
  out[:,i,:,...,:] = data[:,i,:,...,:] / sqrt(sum(data[:,i,:,...,:] ** 2) + eps)

使用 mode = spatial ，它通过 L2 范数对数组中每个位置的跨通道范数进行归一化：

for dim in 2...N
  for i in 0...N
    out[.....,i,...] = take(out, indices=i, axis=dim) / sqrt(sum(take(out, indices=i, axis=dim) ** 2) + eps)
        -dim-

例子：

x = [[[1,2],
      [3,4]],
     [[2,2],
      [5,6]]]

L2Normalization(x, mode='instance')
=[[[ 0.18257418  0.36514837]
   [ 0.54772252  0.73029673]]
  [[ 0.24077171  0.24077171]
   [ 0.60192931  0.72231513]]]

L2Normalization(x, mode='channel')
=[[[ 0.31622776  0.44721359]
   [ 0.94868326  0.89442718]]
  [[ 0.37139067  0.31622776]
   [ 0.92847669  0.94868326]]]

L2Normalization(x, mode='spatial')
=[[[ 0.44721359  0.89442718]
   [ 0.60000002  0.80000001]]
  [[ 0.70710677  0.70710677]
   [ 0.6401844   0.76822126]]]

相关用法

注：本文由纯净天空筛选整理自apache.org大神的英文原创作品 mxnet.ndarray.L2Normalization。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

返回类型：