batchNormalization2dLayer

---

二维批处理归一化层

函数库: TyDeepLearning

语法

layer = batchNormalization2dLayer(NumChannels; Epsilon=1e-05, MeanVarianceDecay=0.9, ScaleInitializer="ones", OffsetInitializer="zeros")

说明

layer = batchNormalization2dLayer(NumChannels; Epsilon=1e-05, MeanVarianceDecay=0.9, ScaleInitializer="ones", OffsetInitializer="zeros")创建一个二维批处理归一化层。示例

在四维输入（具有额外通道维度的小批量二维输入）上应用批归一化处理，以避免内部协变量偏移。使用 mini-batch 数据和学习参数进行训练，公式定义如下：

示例

二维批处理归一化层

创建维度为（1，3，2，2）、元素均为 1 的数组。

using TyDeepLearning
set_backend(:mindspore)
array = ones(Float32, (1, 3, 2, 2))

创建一个二维批处理归一化层，通道数为 3。使用该层处理数组，并输出结果维度。

layer = batchNormalization2dLayer(3)
print(size(TyDeepLearning.predict(layer, array)))

(1, 3, 2, 2)

输入参数

NumChannels-输入维度

标量

通道数量，输入数据 shape 中的 C 。

数据类型： Int64

Epsilon-浮点数

标量

加在分母上的值，以确保数值稳定。默认值：1e-5。

数据类型： Float16 | Float32 | Float64

MeanVarianceDecay-动量

标量

动态均值和动态方差所使用的动量。默认值：0.9。

数据类型： Float16 | Float32 | Float64

ScaleInitializer-参数的初始化方法

字符串

参数的初始化方法。String的值包括 ’zeros’、’ones’ 等。默认值：’ones’。

数据类型： string

OffsetInitializer-参数的初始化方法

字符串

参数的初始化方法。String的值包括 ’zeros’、’ones’ 等。默认值：’zeros’。

数据类型： string

输出参数

layer-二维批处理归一化层

网络对象

输出为一个二维批处理归一化层

另请参阅

predict | Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift (opens new window)