tensorflow:: ops:: LRN

Normalización de la respuesta local.

Resumen

El tensor input 4-D se trata como una matriz 3-D de vectores 1-D (a lo largo de la última dimensión), y cada vector se normaliza de forma independiente. Dentro de un vector dado, cada componente se divide por la suma ponderada al cuadrado de las entradas dentro de depth_radius . En detalle,

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

Para más detalles, véase Krizhevsky et al., ImageNet classification with deep convolutional neural networks (NIPS 2012) .

Argumentos:

• ámbito: Un objeto de ámbito
• Entrada: 4-D.

Atributos opcionales (ver Attrs ):

• depth_radius: 0-D. Mitad del ancho de la ventana de normalización 1-D.
• sesgo: Un desplazamiento (generalmente positivo para evitar la división por cero).
• alfa: Un factor de escala, generalmente positivo.
• beta: Un exponente.

Devoluciones:

• Output : El tensor de salida.

Atributos públicos

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
)