Pytorch：張量歸一化給出不好的結果

Question

我有一個要標准化的經度/緯度張量。 我想使用這個張量對其執行神經網絡算法，以返回這些不同的經緯度之間的最佳行程。 我使用了這個功能：

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

這是我的張量 [ 0.0000, 36.4672, 36.4735, 36.4705, 36.4638, 36.4671], [ 0.0000, 10.7637, 10.7849, 10.7822, 10.7821, 10.7637]]

這是標准化后的結果：[0.0000, 0.2181, 0.2181, 0.2181, 0.2179, 0.2179], [0.0000, 0.2186, 0.2194, 0.2194, 0.2196, 0.2188]],

如您所見，結果不好，因為有很多值重復，這影響了我的結果。 還有另一種方法可以使我的張量正常化嗎？ 我在這個項目中使用 pytorch。

Answer 1

這就是torch.nn.functional.normalize工作原理。

在我看來，您應該將原始張量值除以經度/緯度可以具有的最大值，使張量的值范圍為[0, 1] 。

---

此外，我嘗試過：

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)

結果是：

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]])

你是怎么得到你的結果的？