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:
- x:该层神经元的向量表示
- H:层中隐藏神经元个数
- ϵ: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 (inttuple) – 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 (ParamAttrNone,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
cn_api_paddle_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
cn_api_paddle_ParamAttr
。- name (str,可选) - 具体用法请参见
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