Pytorch 如何对 3D 张量（变量）中的每个矩阵进行行归一化？答案

【问题标题】：How Pytorch do row normalization for each matrix in a 3D Tensor(Variable)?Pytorch 如何对 3D 张量（变量）中的每个矩阵进行行归一化？
【发布时间】：2018-05-04 12:33:16
【问题描述】：

如果我有一个大小为 [a,b,c] 的 3D 张量（变量）。将其视为 b*c 矩阵，我希望所有这些矩阵都得到行归一化。

【问题讨论】：

标签： torch pytorch tensor

【解决方案1】：

您可以使用normalize 函数。

import torch.nn.functional as f
f.normalize(input, p=2, dim=2)

dim=2 参数说明要规范化的维度（将每个行向量除以其 p-norm。

【讨论】：

我试过了，但行总和不是 1。不过，谢谢。我也试过 renorm 功能，它也不起作用。
您介意用无法提供输出的最小工作示例的详细信息更新问题吗？到时候我会更好地进行修改。
@QinqingLiu 如果您希望行总和等于 1（L1 范数），您可以设置 set p=1，此答案将平方和设置为 1（L2 范数）。

【解决方案2】：

以下应该可以工作。

import torch
import torch.nn.functional as f

a, b, c = 10, 20, 30

t = torch.rand(a, b, c)
g = f.normalize(t.view(t.size(0), t.size(1) * t.size(2)), p=1, dim=1)
print(g.sum(1)) # it confirms the normalization

g = g.view(*t.size())
print(g) # get the normalized output vector of shape axbxc

【讨论】：

【解决方案3】：

要以每行之和为 1 的方式对矩阵进行归一化，只需除以每行之和即可：

import torch
a, b, c = 10, 20, 30
t = torch.rand(a, b, c)
t = t / (torch.sum(t, 2).unsqueeze(-1))
print(t.sum(2))

【讨论】：