tensorflow函数学习（二）--正则和规范化

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的范化的最小值边界；

按列计算（dim=0）

例1:

import tensorflow as tf
input_data = tf.constant([[1.0,2,3],[4.0,5,6],[7.0,8,9]])

output = tf.nn.l2_normalize(input_data, dim = 0)
with tf.Session() as sess:
print sess.run(input_data)
print sess.run(output)

结果

[[1. 2. 3.]
[4. 5. 6.]
[7. 8. 9.]]
[[0.12309149 0.20739034 0.26726127]
[0.49236596 0.51847583 0.53452253]
[0.86164045 0.82956135 0.80178374]] 

计算方法：

dim = 0, 为按列进行l2范化