PyTorch torch.renorm-Funktion
PyTorch torch Referenzhandbuch
torch.renormEs ist eine Funktion in PyTorch, die zur Renormierung von Tensoren verwendet wird. Sie normalisiert den Tensor gemäß der angegebenen Norm, sodass die Norm der Elemente entlang der angegebenen Dimension den vorgegebenen Wert nicht überschreitet.
Funktionsdefinition
torch.renorm(input, p, dim, maxnorm)
Parameterbeschreibung:
input: Eingabe-Tensorp: Normordnungdim: Dimension für die Normalisierungmaxnorm: Maximaler Normwert
Anwendungsbeispiel
Beispiel
import torch
# Tensor erstellen
x = torch.tensor([[2.0, 4.0, 6.0], [3.0, 6.0, 9.0]])
# L2-Norm-Normalisierung auf dim=1 durchführen, mit maximaler Norm 1
y = torch.renorm(x, p=2, dim=1, maxnorm=1)
print(y)
# Tensor erstellen
x = torch.tensor([[2.0, 4.0, 6.0], [3.0, 6.0, 9.0]])
# L2-Norm-Normalisierung auf dim=1 durchführen, mit maximaler Norm 1
y = torch.renorm(x, p=2, dim=1, maxnorm=1)
print(y)
Das Ausgabeergebnis ist:
tensor([[0.2673, 0.5345, 0.8018],
[0.2673, 0.5345, 0.8018]])
Beispiel
import torch
# Tensor erstellen
x = torch.tensor([[1.0, 2.0, 3.0]])
# L1-Norm-Normalisierung auf dim=1 durchführen
y = torch.renorm(x, p=1, dim=1, maxnorm=1)
print(y)
# Tensor erstellen
x = torch.tensor([[1.0, 2.0, 3.0]])
# L1-Norm-Normalisierung auf dim=1 durchführen
y = torch.renorm(x, p=1, dim=1, maxnorm=1)
print(y)
Das Ausgabeergebnis ist:
tensor([[0.1667, 0.3333, 0.5000]])
Andere Erweiterungen