Python tensorflow.clip_by_norm()用法及代码示例

<p> <a href=”https://www.geeksforgeeks.org/introduction-to-tensorflow/”> TensorFlow </a>是Google设计的开源Python库，用于开发机器学习模型和深度学习神经网络。

clip_by_norm()用于将张量值裁剪为最大L2范数。

用法：tensorflow.clip_by_norm(t, clip_norm, axes, name)

参数：

t:需要裁剪的是输入张量。
clip_norm:它是0-D标量张量，定义了最大限幅值。
axes(optional):它是一维矢量张量，定义了用于计算L2norm的尺寸。如果未提供任何尺寸，则将使用所有尺寸。
name(optional):它定义了操作的名称。

返回值：

它返回张量。

范例1：

Python3

# Importing the library 
import tensorflow as tf 
  
# Initializing the input tensor 
t = tf.constant([1, 2, 3, 4], dtype = tf.float64) 
clip_norm = .8
  
# Printing the input tensor 
print('t:', t) 
print('clip_norm:', clip_norm) 
  
# Calculating tangent 
res = tf.clip_by_norm(t, clip_norm) 
  
# Printing the result 
print('Result:', res)

输出：

t: tf.Tensor([1. 2. 3. 4.], shape=(4, ), dtype=float64)
clip_norm: 0.8
Result: tf.Tensor([0.14605935 0.2921187  0.43817805 0.58423739], shape=(4, ), dtype=float64)

范例2：

Python3

# Importing the library 
import tensorflow as tf 
  
# Initializing the input tensor 
t = tf.constant([1, 2, 3, 4], dtype = tf.float64) 
clip_norm = 5.2
  
  
# Printing the input tensor 
print('t:', t) 
print('clip_norm:', clip_norm) 
  
# Calculating tangent 
res = tf.clip_by_norm(t, clip_norm) 
  
# Printing the result 
print('Result:', res)

输出：

t: tf.Tensor([1. 2. 3. 4.], shape=(4, ), dtype=float64)
clip_norm: 5.2
Result: tf.Tensor([0.94938577 1.89877153 2.8481573  3.79754307], shape=(4, ), dtype=float64)

相关用法

注：本文由纯净天空筛选整理自aman neekhara大神的英文原创作品 Python – tensorflow.clip_by_norm()。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。