normalize

paddle.nn.functional. normalize ( x, p=2, axis=1, epsilon=1e-12, name=None ) [源代码]

该接口使用 \(L_p\) 范数沿维度 axis 对 x 进行归一化。计算公式如下：

\[y = \frac{x}{ \max\left( \lvert \lvert x \rvert \rvert_p, epsilon\right) }\]
\[\lvert \lvert x \rvert \rvert_p = \left(\sum_i {\lvert x_i\rvert^p} \right)^{1/p}\]

其中 \(\sum_i{\lvert x_i\rvert^p}\) 沿维度 axis 进行计算。

参数

  • x (Tensor) - 输入可以是N-D Tensor。数据类型为：float32、float64。

  • p (float|int, 可选) - 范数公式中的指数值。默认值:2

  • axis (int, 可选）- 要进行归一化的轴。如果 x 是1-D Tensor，轴固定为0。如果 axis < 0，轴为 x.ndim + axis。-1表示最后一维。

  • epsilon (float，可选) - 添加到分母上的值以防止分母除0。默认值为1e-12。

  • name (str，可选) - 操作的名称(可选，默认值为None）。更多信息请参见 Name。

返回

Tensor, 输出的形状和数据类型和 x 相同。

代码示例

import numpy as np
import paddle
import paddle.nn.functional as F

x = np.arange(6, dtype=np.float32).reshape(2,3)
x = paddle.to_tensor(x)
y = F.normalize(x)
print(y)
# [[0.         0.4472136  0.8944272 ]
# [0.42426404 0.5656854  0.7071067 ]]

y = F.normalize(x, p=1.5)
print(y)
# [[0.         0.40862012 0.81724024]
# [0.35684016 0.4757869  0.5947336 ]]

y = F.normalize(x, axis=0)
print(y)
# [[0.         0.24253564 0.37139067]
# [1.         0.97014254 0.9284767 ]]