tensorflow :: opérations :: LRN

Normalisation de la réponse locale.

Résumé

Le tenseur d' input 4-D est traité comme un tableau 3-D de vecteurs 1-D (le long de la dernière dimension), et chaque vecteur est normalisé indépendamment. Dans un vecteur donné, chaque composante est divisée par la somme quadratique pondérée des entrées dans depth_radius . En détail,

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

Pour plus de détails, voir Krizhevsky et al., ImageNet classification with deep convolutional neural networks (NIPS 2012) .

Arguments:

• scope: un objet Scope
• entrée: 4-D.

Attributs facultatifs (voir Attrs ):

• rayon_profondeur: 0-D. Demi-largeur de la fenêtre de normalisation 1-D.
• biais: Un décalage (généralement positif pour éviter de diviser par 0).
• alpha: un facteur d'échelle, généralement positif.
• beta: un exposant.

Retour:

• Output : le tenseur de sortie.

Attributs publics

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
)