L2 normalization 操作

最新推荐文章于 2024-03-26 14:04:21 发布
最新推荐文章于 2024-03-26 14:04:21 发布
阅读量444 收藏
点赞数
分类专栏： 杂类 文章标签： python 机器学习 算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_45759229/article/details/126915607
版权

将矩阵每行进行L2标准化

实现1

from scipy.linalg import norm
from scipy.special import softmax

rna_embedding=np.array([[1,1,1],[2,1,1],[3,4,5]])
rna_embedding / norm(rna_embedding, axis=1, keepdims=True)

结果如下
在这里插入图片描述

实现2

from sklearn.preprocessing import Normalizer
norm2 = Normalizer(norm='l2')
norm2.fit_transform(rna_embedding)
## 按行标准化

在这里插入图片描述可以看到这个结果是一致的

我的心永远是冰冰哒
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Normalization(标准化)的原理和实现详解
Dongdong Bai's Blogs
10-08 4万+
Normalization这个名词在很多地方都会出现，但是对于数据却有两种截然不同且容易混淆的处理过程。对于某个多特征的机器学习数据集来说，第一种Normalization是对于将数据进行预处理时进行的操作，是对于数据集的各个特征分别进行处理，主要包括min-max normalization、Z-score normalization、 log函数转换和atan函数转换等。第二种Normaliza
L2 normalization和L1，L2 regulation
qq_39068872的博客
09-18 5265
L2 Normalization 第二种Normalization对于每个样本缩放到单位范数（每个样本的范数为1），主要有L1-normalization（L1范数）、L2-normalization（L2范数）等 Normalization主要思想是对每个样本计算其p-范数，然后对该样本中每个元素除以该范数，这样处理的结果是使得每个处理后样本的p-范数（比如l1-norm,l2-norm）等于1...
L2Norm 的实现
最新发布
言午日月
03-26 939
L2 范数归一化（L2 Normalization）是将每个样本（向量）除以其 L2 范数，以使得每个样本的 L2 范数为 1, 这样做可以使得样本在欧几里得空间中位于单元圆上。L2范数（L2 norm），也称为欧几里德范数（Euclidean norm）或2-范数，是向量元素的平方和的平方根。而 L2 范数归一化就是将向量。
深度学习（二十四）——L2 Normalization, Attention（1）
热门推荐
antkillerfarm的专栏
05-28 2万+
L2 Normalization L2 Normalization本身并不复杂，然而多数资料都只提到1维的L2 Normalization的计算公式： x=[x1,x2,…,xd]y=[y1,y2,…,yd]y=x∑di=1x2i‾‾‾‾‾‾‾√=xxTx‾‾‾‾√x=[x1,x2,…,xd]y=[y1,y2,…,yd]y=x∑i=1dxi2=xxTxx=[x_1,x_2,\dots,x_...
L1和L2正则化通俗理解
二十年蝉电子学习博客
11-02 1688
机器学习中，如果参数过多，模型过于复杂，容易造成过拟合（overfit）。即模型在训练样本数据上表现的很好，但在实际测试样本上表现的较差，不具备良好的泛化能力。为了避免过拟合，最常用的一种方法是使用使用正则化，例如 L1 和 L2 正则化。
常见Normalization汇总
qyhaill的博客
11-12 891
本文内容
详解L1和L2正则化
He_YI的博客
11-24 1万+
大纲： L1和L2的区别以及范数相关知识 对参数进行L1和L2正则化的作用与区别 pytorch实现L1与L2正则化 对特征进行L2正则化的作用 L1和L2的区别以及范数   使用机器学习方法解决实际问题时，我们通常要用L1或L2范数做正则化（regularization），从而限制权值大小，减少过拟合风险，故其又称为权重衰减。特别是在使用梯度下降来做目标函数优化时。 L1和L2的区别 在机器学习中， L1范数(L2 normalization)是指向量中各个元素绝对值之和，通常表述为∥wi∥1\
TensorFlow实现Batch Normalization
09-20
主要为大家详细介绍了TensorFlow实现Batch Normalization，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
normalization.ris
03-03
深度学习中的Normalization-参考文献ris格式
wavelet_normalization.rar_image normalization
07-15
该函数适用于一个基于小波变换的图像算法正常化。
text_normalization
04-30
安装pip install normalization例子import normalization ## Whitespace Normalization# Output: "This is not a normal sentence structure. The spaces are incoherant."normalization . whitespace ( "This is ...
Group Normalization
03-09
当batch size小的时候 Group Normalization 的效果会比 Batch Normalization好.
sklearn库Preprocessing and Normalization预处理方法及API使用
公众号：瑞行AI
04-16 5517
sklearn.preprocessing.Binarizer(threshold=0.0, copy=True) 根据阈值，进行特征二值化映射 threshold:阈值，默认是0，大于阈值映射为1，小于阈值映射为0；在稀疏矩阵中，该阈值参数一般不会小于0 copy:当二值化前的输入是scipy的csr格式时,二值化后的输出是否在内存中占用原位置(default True是新开辟位置...
tf.nn.l2_normalize L2范化函数详解
dingding的专栏
09-14 4857
tf.nn.l2_normalize(x, dim, epsilon=1e-12, name=None) 上式： x为输入的向量； dim为l2范化的维数，dim取值为0或0或1；取0为按列范化，取1为按行范化，也可以取其他数值 epsilon的范化的最小值边界； 举例: import tensorflow as tf input_data = tf.constant([[1.0,2,...
tf.nn学习之l2_normalize（tf.math.l2_normalize）
spiderfu的博客
06-05 5737
现在都统一称呼为tf.math.l2_normalize tf1.15版本 别名： tf.compat.v1.linalg.l2_normalize tf.compat.v1.math.l2_normalize tf.compat.v1.nn.l2_normalize tf.linalg.l2_normalize tf.nn.l2_normalize 作用 对于axis = 0的1-D张量,计算如下： output = x / sqrt(max(sum(x**2), epsilon)) 对于具有更多维度的
图像处理时常见的L1-normalize 和L2-normalize是什么
weixin_41813620的博客
02-14 6850
当一幅图像用某种特征表示出来，一般要进行L1-normalize或者是L2-normalize。 假设一幅图像表示为Y=[x1 x2 x3 x4 x5], L1-normalize的结果为： L2-normalize的结果为： 通过L1或L2标准化的图像特征往往具有良好的效果。 顺便提一下tensorflow中 l2_normalize函数的实现： tf.nn.l2_normalize(x, ...
tensorflow函数学习（二）--正则和规范化
weixin_36103474的博客
04-04 380
参考https://blog.csdn.net/abiggg/article/details/79368982 1.L2正则 tf.nn.l2_normalize的使用 tf.nn.l2_normalize(x, dim, epsilon=1e-12, name=None) 其中参数分别表示为： x为输入的向量； dim为l2范化的维数，dim取值为0或0或1； epsilon的范化的...
pytorch中的l2_normalize函数
weixin_46474546的博客
10-22 4905
pytorch_l2_normalize.py import torch import tensorflow as tf ########## PyTorch Version 1 ################ x = torch.randn(5, 6) norm_th = x/torch.norm(x, p=2, dim=1, keepdim=True) norm_th[torch.isnan(norm_th)] = 0 # to avoid nan ########## PyTorch Versi
L2-normalization
10-04
对于一维的L2 Normalization，计算公式为对向量的每个元素进行平方和开根号的操作。而对于多维L2 Normalization，可以通过指定axis参数来确定在哪个维度上进行归一化，通常是对整个向量或矩阵进行flatten后再进行L2 ...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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