文档反馈

问题文档片段

问题文档片段包含公式时,显示为空格。

提交类型
issue

有点复杂...

找人问问吧。

请选择提交类型

问题类型
规范和低错类

- 规范和低错类:

- 错别字或拼写错误,标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致,但不影响操作。

- 表述不通顺,但不影响理解。

- 版本号不匹配:如软件包名称、界面版本号。

易用性

- 易用性:

- 关键步骤错误或缺失,无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰,该分类、分项、分步骤的没有给出。

正确性

- 正确性:

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误,无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示:

- 对重要数据或系统存在风险的操作,缺少安全提示。

内容合规

- 内容合规:

- 违反法律法规,涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述,以帮助我们快速定位问题。

mindspore.ops.L2Normalize

class mindspore.ops.L2Normalize(axis=0, epsilon=1e-4)[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:

output=xmax(i|xi|2,ϵ)

其中 ϵ 表示 epsiloni|xi|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)