GroupNormalization 层

[源代码]

GroupNormalization 类

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
)

组归一化层。

组归一化将通道分成若干组，并在每组内计算均值和方差以进行归一化。经验表明，在各种小批量大小下，如果学习率随批量大小线性调整，其准确性比批量归一化更稳定。

与层归一化的关系：如果组数设置为 1，则此操作几乎与层归一化相同（详见层归一化文档）。

与实例归一化的关系：如果组数设置为输入维度（组数等于通道数），则此操作与实例归一化相同。可以通过 groups=-1 实现此功能。

参数

• groups：整数，组归一化的组数。范围可在 [1, N] 之间，其中 N 是输入维度。输入维度必须能被组数整除。默认为 32。
• axis：整数或列表/元组。要进行归一化的轴。通常，这是特征轴。不包含的轴通常是批量轴。-1 表示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 的偏移量添加到归一化张量。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 relu）时，可以禁用此选项，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。当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。
• **kwargs：基础层关键字参数（例如 name 和 dtype）。

参考

• Yuxin Wu & Kaiming He, 2018