.. py:class:: paddle.nn.LayerNorm(normalized_shape, epsilon=1e-05, weight_attr=None, bias_attr=None, name=None)
构建 LayerNorm 类的一个可调用对象，具体用法参照 代码示例。其中实现了层归一化层（Layer Normalization Layer）的功能，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：
\\\mu=\frac{1}{H}\sum_{i=1}^{H}x_i\\
\\\sigma=\sqrt{\frac{1}{H}\sum_i^H{(x_i-\mu)^2} + \epsilon}\\
\\y=f(\frac{g}{\sigma}(x-\mu) + b)\\
- x：该层神经元的向量表示
- H：层中隐藏神经元个数
- \epsilon：添加较小的值到方差中以防止除零
- g：可训练的比例参数
- b：可训练的偏差参数
- normalized_shape (int|list|tuple) – 需规范化的 shape，期望的输入 shape 为
[*, normalized_shape[0], normalized_shape[1], ..., normalized_shape[-1]]。如果是单个整数，则此模块将在最后一个维度上规范化（此时最后一维的维度需与该参数相同）。- 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。
- weight_attr (ParamAttr|bool|None，可选) - 指定权重参数属性的对象。如果为 False 固定为 1，不进行学习。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 :ref:`cn_api_fluid_ParamAttr` 。
- bias_attr (ParamAttr|None，可选) - 指定偏置参数属性的对象。如果为 False 固定为 0，不进行学习。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 :ref:`cn_api_fluid_ParamAttr` 。
- name (str，可选) - 具体用法请参见 :ref:`api_guide_Name`，一般无需设置，默认值为 None。
- input: 2-D, 3-D, 4-D 或 5D 的 Tensor。
- output：和输入形状一样。
COPY-FROM: paddle.nn.LayerNorm