TensorFlow函数教程:tf.nn.local_response_normalization
2019-01-31 13:49 更新
tf.nn.local_response_normalization函数
别名:
- tf.nn.local_response_normalization
- tf.nn.lrn
tf.nn.local_response_normalization(
input,
depth_radius=5,
bias=1,
alpha=1,
beta=0.5,
name=None
)
请参阅指南:神经网络>规范化
本地响应规范化.
将4-D input张量视为1-D向量的3-D数组(沿着最后一个维度),并且每个向量都被独立地规范化.在给定向量内,每个分量都除以depth_radius内输入的加权平方和.详细操作如下:
sqr_sum[a, b, c, d] =
sum(input[a, b, c, d - depth_radius : d + depth_radius + 1] ** 2)
output = input / (bias + alpha * sqr_sum) ** beta
有关详细信息,请参阅:使用深度卷积神经网络的ImageNet分类(NIPS 2012).
参数:
- input:一个Tensor.必须是下列类型之一:half,bfloat16,float32,是4-D的.
- depth_radius:可选的int.默认为5.是0-D的.1-D规范化窗口的半宽.
- bias:可选的float.默认为1.偏移(通常为正,以避免除以0).
- alpha:可选的float.默认为1.比例因子,通常是正数.
- beta:可选的float.默认为0.5.指数.
- name:操作的名称(可选).
返回:
一个Tensor,与input有相同的类型.