tensorflow :: ops :: LRN

Yerel Yanıt Normalleştirme.

Özet

4-D input tensörü, 3-D 1-D vektör dizisi (son boyut boyunca) olarak ele alınır ve her vektör bağımsız olarak normalleştirilir. Verilen bir vektör içinde, her bileşen, depth_radius içindeki ağırlıklı, kare girdilerin toplamına depth_radius . 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 bkz. Krizhevsky ve diğerleri, Derin evrişimli sinir ağları ile ImageNet sınıflandırması (NIPS 2012) .

Argümanlar:

• kapsam: Bir Scope nesnesi
• giriş: 4-D.

İsteğe bağlı özellikler (bkz. Attrs ):

• derinlik_ yarıçapı: 0-D. 1-D normalleştirme penceresinin yarı genişliği.
• sapma: Bir uzaklık (0'a bölmekten kaçınmak için genellikle pozitiftir).
• alfa: Genellikle pozitif bir ölçek faktörü.
• beta: Bir üs.

İadeler:

• Output : Çıkış 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
)