如何在 PyTorch 中标准化张量？

PyTorch 中的张量可以使用torch.nn.functional模块中normalize()提供的函数进行归一化。这是一个非线性激活函数。

• 它在指定维度上对给定张量执行Lp 归一化。

• 它返回原始张量元素的归一化值的张量。

• 一维张量可以在 0 维上归一化，而二维张量可以在 0 维和 1 维上归一化，即按列或按行。

• n 维张量可以在维度 (0,1, 2,..., n-1) 上归一化。

语法

torch.nn.functional.normalize(input, p=2.0, dim = 1)

参数

• 输入– 输入张量

• p – 规范公式中的幂（指数）值

• dim – 元素标准化的维度。

步骤

我们可以使用以下步骤来归一化张量 -

• 导入火炬库。确保您已经安装了它。

import torch
from torch.nn.functional import normalize

• 创建一个张量并打印它。

t = torch.tensor([[1.,2.,3.],[4.,5.,6.]])
print("Tensor:", t)

• 使用不同的 p 值和不同的维度对张量进行归一化。上面定义的张量是一个二维张量，所以我们可以在二维上对其进行归一化。

t1 = normalize(t, p=1.0, dim = 1)
t2 = normalize(t, p=2.0, dim = 0)

• 打印上面计算的归一化张量。

print("Normalized tensor:\n", t1)
print("Normalized tensor:\n", t2)

示例 1

# import torch library
import torch
from torch.nn.functional import normalize

# define a torch tensor
t = torch.tensor([1., 2., 3., -2., -5.])

# print the above tensor
print("Tensor:\n", t)

# normalize the tensor
t1 = normalize(t, p=1.0, dim = 0)
t2 = normalize(t, p=2.0, dim = 0)

# print normalized tensor
print("Normalized tensor with p=1:\n", t1)
print("Normalized tensor with p=2:\n", t2)

输出结果

Tensor:
 tensor([ 1., 2., 3., -2., -5.])
Normalized tensor with p=1:
 tensor([ 0.0769, 0.1538, 0.2308, -0.1538, -0.3846])
Normalized tensor with p=2:
 tensor([ 0.1525, 0.3050, 0.4575, -0.3050, -0.7625])

示例 2

# import torch library
import torch
from torch.nn.functional import normalize

# define a 2D tensor
t = torch.tensor([[1.,2.,3.],[4.,5.,6.]])

# print the above tensor
print("Tensor:\n", t)

# normalize the tensor
t0 = normalize(t, p=2.0)

# print the normalized tensor
print("Normalized tensor:\n", t0)

# normalize the tensor in dim 0 or column-wise
tc = normalize(t, p=2.0, dim = 0)

# print the normalized tensor
print("Column-wise Normalized tensor:\n", tc)

# normalize the tensor in dim 1 or row-wise
tr = normalize(t, p=2.0, dim = 1)

# print the normalized tensor
print("Row-wise Normalized tensor:\n", tr)

输出结果

Tensor:
 tensor([[1., 2., 3.],
   [4., 5., 6.]])
Normalized tensor:
 tensor([[0.2673, 0.5345, 0.8018],
   [0.4558, 0.5698, 0.6838]])
Column-wise Normalized tensor:
 tensor([[0.2425, 0.3714, 0.4472],
   [0.9701, 0.9285, 0.8944]])
Row-wise Normalized tensor:
 tensor([[0.2673, 0.5345, 0.8018],
   [0.4558, 0.5698, 0.6838]])