tensorflow::ops::LRN

Normalizzazione della risposta locale.

Riepilogo

Il tensore input 4-D viene trattato come un array 3-D di vettori 1-D (lungo l'ultima dimensione) e ogni vettore viene normalizzato indipendentemente. All'interno di un dato vettore, ogni componente viene diviso per la somma ponderata al quadrato degli input entro depth_radius . In dettaglio,

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

Per maggiori dettagli, si veda Krizhevsky et al., Classificazione di ImageNet con reti neurali convoluzionali profonde (NIPS 2012) .

Argomentazioni:

• ambito: un oggetto Scope
• input: 4-D.

Attributi opzionali (vedere Attrs ):

• depth_radius: 0-D. Metà larghezza della finestra di normalizzazione 1-D.
• Distorsione: un offset (solitamente positivo per evitare la divisione per zero).
• alfa: un fattore di scala, solitamente positivo.
• beta: Un esponente.

Resi:

• Output : Il tensore di output.

attributi pubblici

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
)