规范化层
详细信息和选项
规范化层 用于将数据标准化为零均值和单位方差,然后进行仿射变换。 这个 聚合级别 确定要对哪些级别的输入进行聚合以计算平均值和方差统计信息,而 鳞片状的 确定哪些输入级别具有组件特定的缩放值和应用于它们的偏差。 的可能值 聚合级别 是: -
一 骨料水平 一 只有 一 1 ;; 一 2 合计水平 一 1 通过 一 2 { 一 1 , … } 总水平 一 我 默认聚合级别为 2;; 全部 . 的可能值 鳞片层 是: -
“补语” 除聚合级别外的所有级别 ( 违约 ) “相同” 与聚合级别相同的级别 秒 水平 秒 只有 秒 1 ;; 秒 2 水平 秒 1 通过 秒 2 { 秒 1 , … } 水平 秒 我 可以包括以下可选参数: -
“艾司隆” 0.001 稳定性参数 学习率乘数 自动 缩放和/或偏差参数的学习速率乘数 “无偏见” False(错误) 是否按长度减1对标准偏差进行标准化 ( 而不是长度 ) 具有聚合级别 { 一 1 , … , 一 n个 } ,通过设置 “GroupNumber” { 克 1 , … , 克 n个 } ,的 一 j个 级别被拆分为 克 j个 独立规范化的组。 标高的尺寸 一 j个 必须是的整数倍 克 j个 . 可以指定以下可学习参数: -
“偏见” 自动 可学习偏差参数 “缩放” 自动 可学习的缩放参数 使用 自动 当 NetInitialize(网络初始化) 或 NetTrain公司 使用。 使用 无 可以禁用设置、缩放和添加偏移。 如果缩放和偏置参数已初始化或禁用, 规范化层 [ … ] [ 输入 ] 显式计算应用层的输出。 规范化层 [ … ] [ 输入 ] 显式计算将层应用于的输出 输入 . 规范化层 [ … ] [ { 输入 1 , 输入 2 , … } ] 显式计算每个 输入 我 . 当无法从更大网络中的其他层推断时,选项 “输入”-> { d日 1 , d日 2 , … } 可用于固定的输入尺寸 规范化层 . NetExtract(网络提取) 可以用于从 规范化层 对象。 规范化层 通常用于内部 网络链 , NetGraph(网络图形) 等。 规范化层 公开以下端口以用于 NetGraph(网络图形) 等。: -
“输入” 秩大于1的数组 “输出” 秩大于1的数组 考虑输入数组 可以分解为 d日 一 × d日 b条 × … 次阵列 x个 A类 跨聚合级别 { 一 , b条 , … } 并进入 d日 我 × d日 j个 × … 次阵列 x个 我 跨缩放级别 { 我 , j个 , … } .缩放和偏差参数 和 具有尺寸 ( d日 我 × d日 j个 × … ) 。然后通过以下方式获得与输入数组维数相同的输出 ,其中平均数组由 方差由 . 默认值 规范化层 [ ] 对应于Ulyanov中的实例规范化 等,“实例规范化:快速风格化的缺失要素”,2016年,通道维度位于第一层,空间维度位于后续层。 规范化层 [ 2;; 全部 , “相同” , “输入” { n个 , 自动 } ] 对应于Ba et al.,“layer normalization”,2016中的层归一化,通道维度位于最后一层,时间维度位于第一层。 规范化层 [ 全部 , 1 , “GroupNumber” { n个 , 1 , 1 , … } , “输入” { 米 * n个 , … } ] 对应于Wu et al.,“group normalization”,2018,第一层为通道维度,后续层为空间维度。 选项 [ 规范化层 ] 给出了构造层的默认选项列表。 选项 [ 规范化层 [ … ] ] 给出了在某些数据上评估层的默认选项列表。 问询处 [ 规范化层 [ … ] ] 给出了有关层的报告。 问询处 [ 规范化层 [ … ] , 支柱 ] 给出属性的值 支柱 属于 规范化层 [ … ] . 可能的属性 与的相同 NetGraph(网络图形) .