【pytorch】BN层计算 | 您所在的位置:网站首页 › pytorch求均值方差 › 【pytorch】BN层计算 |
官方文档 有一个针对BN层的详细的理解: Pytorch的BatchNorm层使用中容易出现的问题 class torch.nn.BatchNorm2d(num_features, eps=1e-05, momentum=0.1, affine=True)[source]对小批量(mini-batch)3d数据组成的4d输入进行批标准化(Batch Normalization)操作 在每一个小批量(mini-batch)数据中,计算输入各个维度的均值和标准差。gamma与beta是可学习的大小为C的参数向量(C为输入大小) 在训练时,该层计算每次输入的均值与方差,并进行移动平均。移动平均默认的动量值为0.1。 在验证时,训练求得的均值/方差将用于标准化验证数据。 参数: num_features: 来自期望输入的特征数,该期望输入的大小为’batch_size x num_features x heightx width’ eps: 为保证数值稳定性(分母不能趋近或取0),给分母加上的值。默认为1e-5。 momentum: 动态均值和动态方差所使用的动量。默认为0.1。affine: 一个布尔值,当设为true,给该层添加可学习的仿射变换参数。 Shape:输入:(N, C,H, W) - 输出:(N, C, H, W)(输入输出相同) |
今日新闻 |
推荐新闻 |
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 |