tensorflow :: ops :: LRN

Normalização de resposta local.

Resumo

O tensor de input 4-D é tratado como uma matriz 3-D de vetores 1-D (ao longo da última dimensão), e cada vetor é normalizado independentemente. Dentro de um determinado vetor, cada componente é dividido pela soma quadrada e ponderada das entradas em depth_radius . Em detalhes,

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

Para obter detalhes, consulte Krizhevsky et al., Classificação ImageNet com redes neurais convolucionais profundas (NIPS 2012) .

Argumentos:

• escopo: um objeto Scope
• entrada: 4-D.

Atributos opcionais (consulte Attrs ):

• deep_radius: 0-D. Meia largura da janela de normalização 1-D.
• polarização: um deslocamento (geralmente positivo para evitar a divisão por 0).
• alfa: um fator de escala, geralmente positivo.
• beta: um expoente.

Retorna:

• Output : o tensor de saída.

Atributos públicos

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
)