mindspore.ops.L2Normalize

class mindspore.ops.L2Normalize(axis=0, epsilon=0.0001)[源代码]

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：

\[\displaylines{{\text{output} = \frac{x}{\sqrt{\text{max}( \sum_{i}^{}\left | x_i \right | ^2, \epsilon)}}}}\]

其中 \(\epsilon\) 表示 epsilon ， \(\sum_{i}^{}\left | x_i \right | ^2\) 表示计算输入 x 在给定 axis 上元素的平方和。

说明

在Ascend上，暂时不支持float64数据类型。

参数：

axis (Union[list(int), tuple(int), int]，可选) - 指定计算L2范数的轴。默认值： 0 。
epsilon (float，可选) - 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 \((N, *)\) ，其中 \(*\) 表示任意的附加维度数。数据类型必须为float16、float32和float64。

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 的数据类型不是float16、float32或float64。
ValueError - x 的维度不大于0。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> 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)