Python mxnet.symbol.op.L2Normalization用法及代碼示例

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

參數：

data：(Symbol) - 輸入數組進行標準化。
eps：(float, optional, default=1.00000001e-10) - 數值穩定性的小常數。
mode：({'channel', 'instance', 'spatial'},optional, default='instance') - 指定計算 L2 範數的維度。
name：(string, optional.) - 結果符號的名稱。

結果符號。

返回類型：

使用 L2 範數對輸入數組進行歸一化。

對於一維 NDArray，它計算：

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

對於N-D NDArray，如果輸入數組的形狀為 (N, N, ..., N)，

使用 mode = instance ，它通過 L2 範數對多維數組中的每個實例進行歸一化：

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

使用 mode = channel ，它通過 L2 範數對數組中的每個通道進行歸一化：

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

使用 mode = spatial ，它通過 L2 範數對數組中每個位置的跨通道範數進行歸一化：

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]]]

相關用法

注：本文由純淨天空篩選整理自apache.org大神的英文原創作品 mxnet.symbol.op.L2Normalization。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法:

參數：

返回：

返回類型：