tensorflow里的weight Normalization在那个模块

在TensorFlow中，Weight Normalization的实现可以参考`tf.contrib.layers`模块下的`layer_norm()`函数。`tf.contrib.layers`是一个非官方的贡献模块，需要通过pip安装，其作用是提供一些常用的神经网络层的实现，包括卷积层、全连接层、归一化层等。

在`tf.contrib.layers`模块中，`layer_norm()`函数可以对给定的张量进行weight normalization的处理，同时可以设置标准化的轴、偏置参数等参数。该函数的具体用法如下：

import tensorflow as tf

x = tf.placeholder(tf.float32, shape=[None, 10])
y = tf.contrib.layers.layer_norm(x, center=True, scale=True)

其中，`x`是输入张量，`None`表示batch size未知，`10`表示特征数量为10；`center=True`表示使用偏置项，`scale=True`表示使用缩放项。`y`表示经过Weight Normalization处理后的输出张量。需要注意的是，`tf.contrib`模块在TensorFlow 2.0版本中已经被移除，可以使用官方的`tf.keras.layers.LayerNormalization()`函数来实现Weight Normalization的处理。