tensorflow::ops::LRN

Yerel Yanıt Normalizasyonu.

Özet

4 boyutlu input tensörü, (son boyut boyunca) 1 boyutlu vektörlerden oluşan 3 boyutlu bir dizi olarak ele alınır ve her vektör bağımsız olarak normalize edilir. Belirli bir vektör içinde, her bileşen, depth_radius içindeki girişlerin ağırlıklı, karesel toplamına bölünür. Ayrıntılı olarak,

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

Ayrıntılar için Krizhevsky ve diğerlerinin "Derin Evrişimsel Sinir Ağları ile ImageNet Sınıflandırması" (NIPS 2012) adlı çalışmasına bakınız.

Argümanlar:

• kapsam: Bir Kapsam nesnesi
• Giriş: 4 boyutlu.

İsteğe bağlı özellikler (bkz. Attrs ):

• depth_radius: 0-D. 1 boyutlu normalizasyon penceresinin yarı genişliği.
• Sapma: Bir sapma (genellikle 0'a bölmeyi önlemek için pozitiftir).
• Alfa: Genellikle pozitif olan bir ölçek faktörü.
• beta: Bir üs.

İadeler:

• Output : Çıktı tensörü.

Genel özellikler

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
)