tensor akışı:: işlem:: LRN

Yerel Yanıt Normalleştirmesi.

Özet

4 boyutlu input tensörü, 1 boyutlu vektörlerin (son boyut boyunca) 3 boyutlu bir dizisi olarak ele alınır ve her vektör bağımsız olarak normalleştirilir. Belirli bir vektör içinde her bileşen, depth_radius içindeki girdilerin ağırlıklı, kare toplamına bölünür. Ayrıntılı olarak,

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

Ayrıntılar için bkz . Krizhevsky ve diğerleri, derin evrişimli sinir ağlarıyla ImageNet sınıflandırması (NIPS 2012) .

Argümanlar:

• kapsam: Bir Kapsam nesnesi
• giriş: 4-D.

İsteğe bağlı özellikler (bkz. Attrs ):

• derinlik_yarıçap: 0-D. 1 boyutlu normalleştirme penceresinin yarı genişliği.
• önyargı: Bir sapma (0'a bölünmeyi önlemek için genellikle pozitiftir).
• alfa: Genellikle pozitif olan bir ölçek faktörü.
• beta: Bir üs.

İadeler:

• Output : Çıkış tensörü.

Genel özellikler

Operation operation

::tensorflow::Output output

 LRN(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input
)

 LRN(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input,
  const LRN::Attrs & attrs
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const 

Attrs Alpha(
  float x
)

Attrs Beta(
  float x
)

Attrs Bias(
  float x
)

Attrs DepthRadius(
  int64 x
)