Python tf.math.l2_normalize用法及代码示例

使用 L2 范数沿维度 axis 规范化。 (不推荐使用的参数)

用法

tf.math.l2_normalize(
    x, axis=None, epsilon=1e-12, name=None, dim=None
)

警告：不推荐使用某些参数：(dim)。它们将在未来的版本中被删除。更新说明： dim 已弃用，请改用axis

对于具有 axis = 0 的一维张量，计算

output = x / sqrt(max(sum(x**2), epsilon))

对于具有更多维度的 x，沿维度 axis 独立规范化每个一维切片。

一维张量示例：

>>> x = tf.constant([3.0, 4.0])
>>> tf.math.l2_normalize(x).numpy()
array([0.6, 0.8], dtype=float32)

二维张量示例：

>>> x = tf.constant([[3.0], [4.0]])
>>> tf.math.l2_normalize(x, 0).numpy()
array([[0.6],
     [0.8]], dtype=float32)

x = tf.constant([[3.0], [4.0]])
tf.math.l2_normalize(x, 1).numpy()
array([[1.],
     [1.]], dtype=float32)