在学习pytorch,针对某个具体方向去读代码时,遇到了一些关于pytorch函数上面的问题,通过查阅相关资料得知关于feat.renorm(2, 0, 1e-5).mul(1e5)的作用,就相当于是对feat进行归一化的处理。其中前两个2,0是代表在第0维度对feat进行L2范数操作得到归一化结果。1e-5是代表maxnorm ,将大于1e-5的乘以1e5,使得最终归一化到0到1之间。
简单例子如下所示:
import torch
feat = torch.Tensor([[1,2,3],[4,5,6],[7,8,9]])
feat = feat.renorm(2, 0, 1e-5).mul(1e5)
print(feat)
结果: