局部响应归一化。
用法
tf.nn.local_response_normalization(
input, depth_radius=5, bias=1, alpha=1, beta=0.5, name=None
)
参数
-
input
一个Tensor
。必须是以下类型之一:half
,bfloat16
,float32
。 4-D。 -
depth_radius
可选的int
。默认为5
。 0-D。一维归一化窗口的Half-width。 -
bias
可选的float
。默认为1
。偏移量(通常为正数以避免除以 0)。 -
alpha
可选的float
。默认为1
。比例因子,通常为正。 -
beta
可选的float
。默认为0.5
。一个 index 。 -
name
操作的名称(可选)。
返回
-
一个
Tensor
。具有与input
相同的类型。
4-D input
张量被视为 1-D 向量的 3-D 数组(沿最后一维),并且每个向量都被独立归一化。在给定的向量中,每个分量都除以 depth_radius
中输入的加权平方和。详细地,
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 Krizhevsky 等人,使用深度卷积神经网络进行 ImageNet 分类 (NIPS 2012)。
相关用法
- Python tf.nn.log_softmax用法及代码示例
- Python tf.nn.log_poisson_loss用法及代码示例
- Python tf.nn.l2_loss用法及代码示例
- Python tf.nn.embedding_lookup_sparse用法及代码示例
- Python tf.nn.RNNCellResidualWrapper.set_weights用法及代码示例
- Python tf.nn.dropout用法及代码示例
- Python tf.nn.gelu用法及代码示例
- Python tf.nn.RNNCellDeviceWrapper.set_weights用法及代码示例
- Python tf.nn.embedding_lookup用法及代码示例
- Python tf.nn.RNNCellDeviceWrapper.get_weights用法及代码示例
- Python tf.nn.scale_regularization_loss用法及代码示例
- Python tf.nn.RNNCellResidualWrapper.add_loss用法及代码示例
- Python tf.nn.max_pool用法及代码示例
- Python tf.nn.RNNCellDropoutWrapper.set_weights用法及代码示例
- Python tf.nn.weighted_cross_entropy_with_logits用法及代码示例
- Python tf.nn.ctc_greedy_decoder用法及代码示例
- Python tf.nn.dilation2d用法及代码示例
- Python tf.nn.RNNCellResidualWrapper.get_weights用法及代码示例
- Python tf.nn.compute_average_loss用法及代码示例
- Python tf.nn.RNNCellDeviceWrapper用法及代码示例
注:本文由纯净天空筛选整理自tensorflow.org大神的英文原创作品 tf.nn.local_response_normalization。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。