از اینکه با Google I/O تنظیم کردید متشکریم. مشاهده همه جلسات در صورت تقاضا تماشا کنید

tensorflow :: ops :: LRN

#include <nn_ops.h>

عادی سازی پاسخ محلی.

خلاصه

تانسور input 4-D به عنوان یک آرایه 3-D از بردارهای 1-D رفتار می شود (در امتداد آخرین بعد) ، و هر بردار به طور مستقل نرمال می شود. درون یک بردار داده شده ، هر م componentلفه بر اساس مجموع ورودی و depth_radius در depth_radius . با جزئیات ،

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

برای جزئیات ، به طبقه بندی Krizhevsky و دیگران ، ImageNet با شبکه های عصبی کانولوشن عمیق مراجعه کنید (NIPS 2012) .

استدلال ها:

  • دامنه: یک شی Sc Scope
  • ورودی: 4-D

ویژگی های اختیاری (به Attrs مراجعه کنید):

  • deep_radius: 0-D. نصف عرض پنجره عادی سازی 1 بعدی.
  • bias: یک جبران (معمولاً برای جلوگیری از تقسیم بر 0) مثبت است.
  • alpha: یک عامل مقیاس ، معمولاً مثبت است.
  • بتا: بیانگر

بازده:

  • Output : تانسور خروجی.

سازندگان و ویرانگران

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

صفات عمومی

operation
output

کارکردهای عمومی

node () const
::tensorflow::Node *
operator::tensorflow::Input () const
operator::tensorflow::Output () const

توابع استاتیک عمومی

Alpha (float x)
Beta (float x)
Bias (float x)
DepthRadius (int64 x)

سازه ها

tensorflow :: ops :: LRN :: Attrs

تنظیم کننده های ویژگی اختیاری برای LRN .

صفات عمومی

عمل

Operation operation

خروجی

::tensorflow::Output output

کارکردهای عمومی

LRN

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

LRN

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

گره

::tensorflow::Node * node() const 

عملگر :: tensorflow :: ورودی

 operator::tensorflow::Input() const 

عملگر :: tensorflow :: خروجی

 operator::tensorflow::Output() const 

توابع استاتیک عمومی

آلفا

Attrs Alpha(
  float x
)

بتا

Attrs Beta(
  float x
)

جانبداری

Attrs Bias(
  float x
)

DepthRadius

Attrs DepthRadius(
  int64 x
)