Pytorch：张量归一化给出不好的结果

Question

我有一个要标准化的经度/纬度张量。 我想使用这个张量对其执行神经网络算法，以返回这些不同的经纬度之间的最佳行程。 我使用了这个功能：

from torch.nn.functional import normalize
t=normalize(locations)

这是我的张量 [ 0.0000, 36.4672, 36.4735, 36.4705, 36.4638, 36.4671], [ 0.0000, 10.7637, 10.7849, 10.7822, 10.7821, 10.7637]]

这是标准化后的结果：[0.0000, 0.2181, 0.2181, 0.2181, 0.2179, 0.2179], [0.0000, 0.2186, 0.2194, 0.2194, 0.2196, 0.2188]],

如您所见，结果不好，因为有很多值重复，这影响了我的结果。 还有另一种方法可以使我的张量正常化吗？ 我在这个项目中使用 pytorch。

Answer 1

这就是torch.nn.functional.normalize工作原理。

在我看来，您应该将原始张量值除以经度/纬度可以具有的最大值，使张量的值范围为[0, 1] 。

---

此外，我尝试过：

import torch
import torch.nn.functional as F

a = torch.tensor([[0.0000, 36.4672, 36.4735, 36.4705, 36.4638, 36.4671], [ 0.0000, 10.7637, 10.7849, 10.7822, 10.7821, 10.7637]])
res = F.normalize(a)

结果是：

tensor([[0.0000, 0.4472, 0.4473, 0.4472, 0.4472, 0.4472],
        [0.0000, 0.4467, 0.4476, 0.4475, 0.4475, 0.4467]])

你是怎么得到你的结果的？