Keras层的输出归一化，使得输出之和为1。

Question

我希望有一个像K.l2_normalize这样的函数，但是能够使输出结果的总和为1

L2标准化公式如下：

       x
---------------
sqrt(sum(x**2))

例如，对于输入 [3, 1, 4, 3, 1]，输出为 [3/6, 1/6, 4/6, 3/6, 1/6]，计算结果为 12/6 = 1/2。

但我想要的是：

    x 
---------------
   ||x||

例如，对于输入 [3, 1, 4, 3, 1]，其输出为 [3/12, 1/12, 4/12, 3/12, 1/12]=12/12=1。

在Python中，我想得到这样的结果：

import tensorflow as tf
from tensorflow.python.keras import backend as K
from tensorflow.python.keras.layers import Lambda

x = tf.keras.layers.Input(tensor=tf.constant([[3, 1, 4, 3, 1]], dtype=tf.float32))
n_layer = Lambda(lambda t: "somefunction" )(x)

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print(n_layer.eval())

---------输出结果--------

[[0.25 0.0833 0.3333 0.25 0.0833 ]]

- Li Deyang

Answer 1

你需要的是“L1范数”，所以你需要将阶数设置为1。你可以通过tf.linalg.norm中的ord参数传递范数的阶数。请保留HTML标签。

from tensorflow.python.keras import backend as K
from tensorflow.python.keras.layers import Lambda

x = tf.keras.layers.Input(tensor=tf.constant([[3, 1, 4, 3, 1]], dtype=tf.float32))
n_layer = Lambda(lambda t: tf.linalg.norm(t,ord=1) )(x)

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print(n_layer.eval())

输出：

12.0

- Sayandip Dutta

---

谢谢你的回答。你几乎解决了我的问题。我只是用这一行代码简单地进行了更改：n_layer = Lambda(lambda t: t/tf.linalg.norm(t,ord=1) )(x) 然后就对了！ - Li Deyang

@LiDeyang 很高兴能帮忙！ - Sayandip Dutta