tensorflow::ops::LRN

Нормализация локального ответа.

Краткое содержание

Четырехмерный input тензор рассматривается как трехмерный массив одномерных векторов (вдоль последнего измерения), и каждый вектор нормализуется независимо. Внутри заданного вектора каждая компонента делится на взвешенную квадратичную сумму входных данных в пределах depth_radius . Подробнее,

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

Подробности см. в работе Крижевского и др., Классификация ImageNet с использованием глубоких сверточных нейронных сетей (NIPS 2012) .

Аргументы:

• scope: Объект Scope
• Входные данные: 4D.

Дополнительные атрибуты (см. Attrs ):

• depth_radius: 0-D. Половина ширины одномерного окна нормализации.
• Смещение: отклонение (обычно положительное, чтобы избежать деления на ноль).
• альфа: Масштабный коэффициент, обычно положительный.
• бета: Показатель степени.

Возвращает:

• Output : выходной тензор.

Общедоступные атрибуты

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
)