|
- mindspore.ops.L2Normalize
- ==========================
-
- .. py:class:: mindspore.ops.L2Normalize(*args, **kwargs)
-
- L2范数归一化算子。
-
- 该算子将对输入 `x` 在给定 `axis` 上的元素进行归一化。函数定义如下：
-
- .. math::
- \displaylines{{\text{output} = \frac{x}{\sqrt{\text{max}(\parallel x_i \parallel^2 , \epsilon)} } } \\
- {\parallel x_i \parallel^2 = (\sum_{i}^{}\left | x_i \right | ^2 )^{1/2}} }
-
- 其中 :math:`\epsilon` 表示 `epsilon` ， :math:`\sum_{i}^{}\left | x_i \right | ^2` 表示计算输入 `x` 在给定 `axis` 上元素的平方和。
-
- **参数：**
-
- - **axis** (Union[list(int), tuple(int), int])：输入的起始 `axis`，用于L2范数归一化。默认值：0。
- - **epsilon** (float)：为了数值稳定性而引入的很小的浮点数。默认值：1e-4。
-
- **输入：**
-
- **x** (Tensor) - 计算归一化的输入。shape为 :math:`(N, *)` ，其中 :math:`*` 表示任意的附加维度数。数据类型必须为float16或float32。
-
- **输出：**
-
- Tensor，shape和数据类型与 `x` 的相同。
-
- **异常：**
-
- - **TypeError** - `axis` 不是list、tuple或int。
- - **TypeError** - `epsilon` 不是float。
- - **TypeError** - `x` 不是Tensor。
- - **TypeError** - `x` 的数据类型既不是float16也不是float32。
-
- **支持平台：**
-
- ``Ascend`` ``GPU`` ``CPU``
-
- **样例：**
-
- >>> l2_normalize = ops.L2Normalize()
- >>> x = Tensor(np.random.randint(-256, 256, (2, 3, 4)), mindspore.float32)
- >>> output = l2_normalize(x)
- >>> print(output.shape)
- (2, 3, 4)
-
|
