TensorFlow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。
l2_normalize()用于使用L2范数标准化沿轴的张量。
用法：tensorflow.math.l2_normalize( x, axis, epsilon, name)
参数：
- x:它是输入张量。
- axis:它定义了将张量标准化的尺寸。
- epsilon:它定义了规范的下限值。默认值为1e-12。如果norm <sqrt(divisor)，它将sqrt(epsilon)用作除数。
- name:定义操作名称的可选参数。
返回值：
它返回与x形状相同的张量。
范例1：
Python3
# Importing the libraray
import tensorflow as tf
# Initializing the input tensor
a = tf.constant([7, 8, 13, 11], dtype = tf.float64)
# Printing the input tensor
print('a:', a)
# Calculating the result
res = tf.math.l2_normalize(a)
# Printing the result
print('Result:', res)输出：
a: tf.Tensor([ 7. 8. 13. 11.], shape=(4, ), dtype=float64) Result: tf.Tensor([0.34869484 0.39850839 0.64757613 0.54794903], shape=(4, ), dtype=float64)
范例2：本示例使用二维张量。
Python3
# Importing the libraray
import tensorflow as tf
# Initializing the input tensor
a = tf.constant([[7, 8], [13, 11]], dtype = tf.float64)
# Printing the input tensor
print('a:', a)
# Calculating the result
res = tf.math.l2_normalize(x = a, axis = 1)
# Printing the result
print('Result:', res)输出：
a: tf.Tensor( [[ 7. 8.] [13. 11.]], shape=(2, 2), dtype=float64) Result: tf.Tensor( [[0.65850461 0.75257669] [0.76338629 0.64594224]], shape=(2, 2), 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.math.l2_normalize()。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。