LayerNorm

class paddle.fluid.dygraph.LayerNorm ( normalized_shape, scale\=True, shift\=True, epsilon\=1e-05, param_attr\=None, bias_attr\=None, act\=None, dtype\=’float32’ ) [源代码]

该接口用于构建 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

LayerNorm - 图1

  • LayerNorm - 图2

    : 该层神经元的向量表示

  • LayerNorm - 图3

    : 层中隐藏神经元个数

  • ϵϵ : 添加较小的值到方差中以防止除零

  • gg : 可训练的比例参数

  • bb : 可训练的偏差参数

参数:

  • normalized_shape (int 或 list 或 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)。

  • 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。

  • 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。

  • dtype (str,可选) - 输出Tensor或LoDTensor的数据类型,数据类型必须为:float32或float64,默认为float32。

返回:无

代码示例

  1. import paddle.fluid as fluid
  2. from paddle.fluid.dygraph.base import to_variable
  3. import numpy
  4. x = numpy.random.random((3, 32, 32)).astype('float32')
  5. with fluid.dygraph.guard():
  6. x = to_variable(x)
  7. layerNorm = fluid.LayerNorm([32, 32])
  8. ret = layerNorm(x)