PyTorch矩阵归一化：使用normalize函数

PyTorch中可以使用torch.nn.functional中的normalize函数对矩阵进行归一化。

normalize函数的语法如下：

torch.nn.functional.normalize(input, p=2, dim=1, eps=1e-12, out=None)

其中：

• input：要归一化的矩阵，可以是一个张量或一个变量。
• p：范数的阶数，默认为2。
• dim：要归一化的维度，默认为1，即对每一行进行归一化。如果要对每一列进行归一化，可以设置为0。
• eps：分母中的常数，用于避免除以0的情况。
• out：输出张量，如果指定此参数，则将结果存储在此参数中。

例如，对一个2x3的矩阵进行行归一化可以使用以下代码：

import torch

x = torch.randn(2, 3)
x_normalized = torch.nn.functional.normalize(x, p=2, dim=1)

print(x)
print(x_normalized)

输出：

tensor([[ 0.3083, -0.2712,  1.2095],
        [-0.7586,  0.6315, -1.0905]])
tensor([[ 0.2235, -0.1965,  0.8750],
        [-0.4543,  0.3786, -0.6543]])

其中，第一行是原始矩阵，第二行是行归一化后的结果。可以看到，每一行的范数都变成了1。