TensorFlow是Google設計的開源Python庫，用於開發機器學習模型和深度學習神經網絡。
l2_normalize()用於使用L2範數標準化沿軸的張量。
用法：tensorflow.math.l2_normalize( x, axis, epsilon, name)
參數：
- x:它是輸入張量。
- axis:它定義了將張量標準化的尺寸。
- epsilon:它定義了規範的下限值。默認值為1e-12。如果norm <sqrt(divisor)，它將sqrt(epsilon)用作除數。
- name:定義操作名稱的可選參數。
返回值：
它返回與x形狀相同的張量。
範例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)輸出：
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)
範例2：本示例使用二維張量。
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)輸出：
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)
相關用法
注：本文由純淨天空篩選整理自aman neekhara大神的英文原創作品 Python – tensorflow.math.l2_normalize()。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。