aliran tensor:: operasi:: LRN

Normalisasi Respon Lokal.

Ringkasan

Tensor input 4-D diperlakukan sebagai larik 3-D yang terdiri dari vektor 1-D (sepanjang dimensi terakhir), dan setiap vektor dinormalisasi secara independen. Dalam vektor tertentu, setiap komponen dibagi dengan jumlah input kuadrat tertimbang dalam depth_radius . Secara terperinci,

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

Untuk detailnya, lihat Krizhevsky dkk., Klasifikasi ImageNet dengan jaringan saraf konvolusional dalam (NIPS 2012) .

Argumen:

• ruang lingkup: Objek Lingkup
• masukan: 4-D.

Atribut opsional (lihat Attrs ):

• radius_kedalaman: 0-D. Setengah lebar jendela normalisasi 1-D.
• bias: Sebuah offset (biasanya positif untuk menghindari pembagian dengan 0).
• alpha: Faktor skala, biasanya positif.
• beta: Eksponen.

Pengembalian:

• Output : Tensor keluaran.

Atribut publik

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
)