Python – tensorflow.math.l2_normalize()

TensorFlow是谷歌设计的开源Python库，用于开发机器学习模型和深度学习神经网络。

l2_normalize()用于使用L2准则将张量沿轴线归一。

语法: tensorflow.math.l2_normalize( x, axis, epsilon, name)

参数:

x:这是输入张量。
axis:它定义了张量将被归一化的维度。
epsilon：它定义了规范的下限值。默认值为1e-12。如果规范<sqrt(divisor)，它使用sqrt(epsilon)作为除数。
name: 一个可选的参数，定义了操作的名称。

返回值:

它返回一个与x相同形状的张量。

示例 1:

# Importing the library
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)

输出:

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)

例子2：这个例子使用2-D张量。

# Importing the library
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)

输出:

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)