.. py:class:: paddle.nn.BatchNorm2D(num_features, momentum=0.9, epsilon=1e-05, weight_attr=None, bias_attr=None, data_format='NCHW', use_global_stats=None, name=None)
构建 BatchNorm2D
类的一个可调用对象,具体用法参照 代码示例
。可以处理 4D 的 Tensor,实现了批归一化层(Batch Normalization Layer)的功能,可用作卷积和全连接操作的批归一化函数,根据当前批次数据按通道计算的均值和方差进行归一化。更多详情请参考:Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift
当训练时 \mu_{\beta} 和 \sigma_{\beta}^{2} 是 minibatch 的统计数据。计算公式如下:
\mu_{\beta} &\gets \frac{1}{m} \sum_{i=1}^{m} x_i \quad &// mini-batch-mean \\ \sigma_{\beta}^{2} &\gets \frac{1}{m} \sum_{i=1}^{m}(x_i - \mu_{\beta})^2 \quad &// mini-batch-variance \\
- x:批输入数据
- m:当前批次数据的大小
当预测时,track_running_stats = True \mu_{\beta} 和 \sigma_{\beta}^{2} 是全局(或运行)统计数据(moving_mean 和 moving_variance),通常来自预先训练好的模型。计算公式如下:
moving\_mean = moving\_mean * momentum + \mu_{\beta} * (1. - momentum) \quad &// global mean \\ moving\_variance = moving\_variance * momentum + \sigma_{\beta}^{2} * (1. - momentum) \quad &// global variance \\
归一化函数公式如下:
\hat{x_i} &\gets \frac{x_i - \mu_\beta} {\sqrt{\sigma_{\beta}^{2} + \epsilon}} \quad &// normalize \\ y_i &\gets \gamma \hat{x_i} + \beta \quad &// scale-and-shift \\
- \epsilon:添加较小的值到方差中以防止除零
- \gamma:可训练的比例参数
- \beta:可训练的偏差参数
- num_features (int) - 指明输入
Tensor
的通道数量。- epsilon (float,可选) - 为了数值稳定加在分母上的值。默认值:1e-05。
- momentum (float,可选) - 此值用于计算
moving_mean
和moving_var
。默认值:0.9。更新公式如上所示。- weight_attr (ParamAttr|bool,可选) - 指定权重参数属性的对象。如果为 False,则表示每个通道的伸缩固定为 1,不可改变。默认值为 None,表示使用默认的权重参数属性。具体用法请参见 :ref:`cn_api_ParamAttr` 。
- bias_attr (ParamAttr,可选) - 指定偏置参数属性的对象。如果为 False,则表示每一个通道的偏移固定为 0,不可改变。默认值为 None,表示使用默认的偏置参数属性。具体用法请参见 :ref:`cn_api_ParamAttr` 。
- data_format (str,可选) - 指定输入数据格式,数据格式可以为
"NCHW"
或"NHWC"
,其中 N 是批大小,C 是通道数,H 是特征高度,W 是特征宽度。默认值为"NCHW"
。- use_global_stats (bool|None,可选) – 指示是否使用全局均值和方差。若设置为 False,则使用一个 mini-batch 的统计数据。若设置为 True 时,将使用全局统计数据。若设置为 None,则会在测试阶段使用全局统计数据,在训练阶段使用一个 mini-batch 的统计数据。默认值为 None。
- name (str,可选) - 具体用法请参见 :ref:`api_guide_Name`,一般无需设置,默认值为 None。
无
- input:当 data_format 为
"NCHW"
时,形状为(批大小,通道数,高度,宽度)的 4-D Tensor。当 data_format 为"NHWC"
时,形状为(批大小,高度,宽度,通道数)的 4-D Tensor。- output:和输入形状一样。
目前训练时设置 track_running_stats 为 False 是无效的,实际还是会按照 True 的方案保存全局均值和方差。之后的版本会修复此问题。
COPY-FROM: paddle.nn.BatchNorm2D