layer_norm

注意：该API仅支持【静态图】模式

  • paddle.fluid.layers.layer_norm(input, scale=True, shift=True, begin_norm_axis=1, epsilon=1e-05, param_attr=None, bias_attr=None, act=None, name=None)[源代码]

该OP实现了层归一化层（Layer Normalization Layer），其可以应用于小批量输入数据。更多详情请参考：Layer Normalization

计算公式如下

layer_norm - 图1

  • layer_norm - 图2 : 该层神经元的向量表示
  • layer_norm - 图3 : 层中隐藏神经元个数
  • layer_norm - 图4 : 添加较小的值到方差中以防止除零
  • layer_norm - 图5 : 可训练的比例参数
  • layer_norm - 图6 : 可训练的偏差参数
  • 参数：
    • input (Variable) - 维度为任意维度的多维 Tensor ，数据类型为float32或float64。
    • scale (bool, 可选) - 指明是否在归一化后学习自适应增益 g 。默认值：True。
    • shift (bool, 可选) - 指明是否在归一化后学习自适应偏差 b 。默认值：True。
    • begin_norm_axis (int, 可选) - 指明归一化将沿着 begin_norm_axis 到 rank（input） 的维度执行。默认值：1。
    • epsilon (float, 可选) - 指明在计算过程中是否添加较小的值到方差中以防止除零。默认值：1e-05。
    • param_attr (ParamAttr, 可选) - 指定权重参数属性的对象。默认值为None，表示使用默认的权重参数属性。具体用法请参见 ParamAttr 。
    • bias_attr (ParamAttr, 可选) - 指定偏置参数属性的对象。默认值为None，表示使用默认的偏置参数属性。具体用法请参见 ParamAttr 。
    • act (str, 可选) - 应用于输出上的激活函数，如tanh、softmax、sigmoid，relu等，支持列表请参考 激活函数 ，默认值为None。
    • name (str, 可选) - 具体用法请参见 Name ，一般无需设置，默认值为None。。

返回：表示归一化结果的 Tensor ，数据类型和 input 一致，返回维度和 input 一致。

返回类型：Variable

代码示例

  1. import paddle.fluid as fluid
  2. import numpy as np
  3. x = fluid.layers.data(name='x', shape=[3, 32, 32], dtype='float32')
  4. hidden1 = fluid.layers.layer_norm(input=x, begin_norm_axis=1)
  5. place = fluid.CPUPlace()
  6. exe = fluid.Executor(place)
  7. exe.run(fluid.default_startup_program())
  8. np_x = np.random.random(size=(8, 3, 32, 32)).astype('float32')
  9. output = exe.run(feed={"x": np_x}, fetch_list = [hidden1])
  10. print(output)