Python tensorflow规范化与轴参数

所以我看到了，但我还是很困惑

如果我有形状（3，4，4，2）的数据，那么这意味着我有两个数据点（在我的实际用例中是光谱图），每个点有两个通道（两个不同的信号）

我希望尽快规范化数据，因此我试图避免for循环，并使用tensorflow.linalg.normalize，但我似乎无法控制轴参数

据我所知，axis参数沿给定轴应用规范化：

从文档中：

如果axis是Python整数，则输入被视为一批向量，axis确定计算向量范数的张量轴。

我希望对每个数据点进行规范化，并在其中对每个通道分别进行规范化

如果它是一个循环，我会这样做

for i in range(3):
    for j in range(2):
         data[i, :, :, j] = tensorflow.linalg.normalize(data[i, :, :, j])

我假设使用axis参数执行此操作的方法是使用

axis=（0，-1）

（在第一个轴上进行规格化，然后也对每个通道进行规格化），但得到的结果与预期结果不匹配。我做错什么了吗？还是我误解了更基本的东西