GroupNormalization 层

[源代码]

GroupNormalization 类

tf_keras.layers.GroupNormalization(
    groups=32,
    axis=-1,
    epsilon=0.001,
    center=True,
    scale=True,
    beta_initializer="zeros",
    gamma_initializer="ones",
    beta_regularizer=None,
    gamma_regularizer=None,
    beta_constraint=None,
    gamma_constraint=None,
    **kwargs
)

组标准化层。

组标准化层将通道分成组，并在每组内计算用于标准化的均值和方差。从经验上看，如果学习率随批大小线性调整，则在各种较小的批大小下，其准确性比批标准化更稳定。

与层标准化的关系：如果组数设置为 1，则此操作几乎等同于层标准化（有关详细信息，请参阅层标准化文档）。

与实例标准化的关系：如果组数设置为输入维度（组数等于通道数），则此操作等同于实例标准化。

参数

• groups：整数，组标准化的组数。可以在 [1, N] 范围内，其中 N 是输入维度。输入维度必须可被组数整除。默认为 32。
• axis：整数或列表/元组。要标准化的轴或轴。通常，这是特征轴/轴。剩下的轴通常是批轴/轴。-1 是输入中的最后一个维度。默认为 -1。
• epsilon：添加到方差中的小浮点数，以避免除以零。默认为 1e-3
• center：如果为 True，则将 beta 的偏移量添加到标准化张量。如果为 False，则忽略 beta。默认为 True。
• scale：如果为 True，则乘以 gamma。如果为 False，则不使用 gamma。当下一层是线性层（例如 nn.relu）时，可以禁用此功能，因为缩放将由下一层完成。默认为 True。
• beta_initializer：beta 权重的初始化器。默认为零。
• gamma_initializer：gamma 权重的初始化器。默认为一。
• beta_regularizer：beta 权重的可选正则化器。默认为 None。
• gamma_regularizer：gamma 权重的可选正则化器。默认为 None。
• beta_constraint：beta 权重的可选约束。默认为 None。
• gamma_constraint：gamma 权重的可选约束。默认为 None。 # 输入形状 任意。在将此层用作模型中的第一层时，使用关键字参数 input_shape（整数元组，不包括样本轴）。 # 输出形状 与输入形状相同。

调用参数

• inputs：输入张量（任何秩）。
• mask：mask 参数是一个张量，指示计算均值和方差时输入张量中每个位置的权重。

参考： - 吴育欣 & 何恺明，2018