.. py:class:: paddle.nn.ClipGradByGlobalNorm(clip_norm, group_name='default_group', auto_skip_clip=False)
将一个 Tensor 列表 t\_list 中所有 Tensor 的 L2 范数之和，限定在 clip_norm 范围内。
- 如果范数之和大于
clip_norm，则所有 Tensor 会乘以一个系数进行压缩 - 如果范数之和小于或等于
clip_norm，则不会进行任何操作。
输入的 Tensor 不是从该类里传入，而是默认选择优化器中输入的所有参数的梯度。如果某个参数 ParamAttr 中的 need_clip 值被设置为 False，则该参数的梯度不会被裁剪。
该类需要在初始化 optimizer 时进行设置后才能生效，可参看 optimizer 文档(例如：:ref:`cn_api_paddle_optimizer_SGD` )。
裁剪公式如下：
\\t\_list[i]=t\_list[i]\ast \frac{clip\_norm}{max(global\_norm,clip\_norm)}\\
其中：
\\global\_norm=\sqrt{\sum_{i=0}^{n-1}(l2norm(t\_list[i]))^2}\\
Note
ClipGradByGlobalNorm 的 need_clip 方法从 2.0 开始废弃。请在 :ref:`paddle.ParamAttr <cn_api_fluid_ParamAttr>` 中使用 need_clip 来说明 clip 范围。
- clip_norm (float) - 所允许的范数最大值
- group_name (str, optional) - 剪切的组名
- auto_skip_clip (bool, optional): 跳过剪切梯度。默认值为 False。
COPY-FROM: paddle.nn.ClipGradByGlobalNorm