Python – tensorflow.clip_by_norm()

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。

clip_by_norm()用于将张量值剪辑成最大的L2-norm。

语法: tensorflow.clip_by_norm(t, clip_norm, axes, name)

参数:

• t:它是需要被剪切的输入张量。
• clip_norm：它是0-D标量张量，定义了最大剪裁值。
• axes（可选）：它是一个一维矢量张量，定义了计算L2norm时使用的维度。如果没有提供，将使用所有维度。
• name（可选）：它定义了该操作的名称。

返回值:

它返回一个张量。

示例 1:

# Importing the library
import tensorflow as tf
  
# Initializing the input tensor
t = tf.constant([1, 2, 3, 4], dtype = tf.float64)
clip_norm = .8
  
# Printing the input tensor
print('t: ', t)
print('clip_norm: ', clip_norm)
  
# Calculating tangent
res = tf.clip_by_norm(t, clip_norm)
  
# Printing the result
print('Result: ', res)

输出:

t:  tf.Tensor([1. 2. 3. 4.], shape=(4, ), dtype=float64)
clip_norm:  0.8
Result:  tf.Tensor([0.14605935 0.2921187  0.43817805 0.58423739], shape=(4, ), dtype=float64)

示例 2:

# Importing the library
import tensorflow as tf
  
# Initializing the input tensor
t = tf.constant([1, 2, 3, 4], dtype = tf.float64)
clip_norm = 5.2
  
  
# Printing the input tensor
print('t: ', t)
print('clip_norm: ', clip_norm)
  
# Calculating tangent
res = tf.clip_by_norm(t, clip_norm)
  
# Printing the result
print('Result: ', res)

输出:

t:  tf.Tensor([1. 2. 3. 4.], shape=(4, ), dtype=float64)
clip_norm:  5.2
Result:  tf.Tensor([0.94938577 1.89877153 2.8481573  3.79754307], shape=(4, ), dtype=float64)