pytorch feat.renorm(2, 0, 1e-5).mul(1e5)解释

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:
在这里插入图片描述

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值