Skip to content

Latest commit

 

History

History
68 lines (44 loc) · 4.1 KB

BatchNorm3D_cn.rst

File metadata and controls

68 lines (44 loc) · 4.1 KB
Raw

BatchNorm3D

.. py:class:: paddle.nn.BatchNorm3D(num_features, momentum=0.9, epsilon=1e-05, weight_attr=None, bias_attr=None, data_format='NCDHW', use_global_stats=None, name=None)

构建 BatchNorm3D 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

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 "NCDHW" 或 "NDHWC"，其中 N 是批大小，C 是通道数，D 是特征深度，H 是特征高度，W 是特征宽度。默认值为 "NCDHW"。
  • 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。

返回

无

形状

  • input：当 data_format 为 "NCDHW" 时，形状为（批大小，通道数，维度，高度，宽度）的 5-D Tensor。当 data_format 为 "NDHWC" 时，形状为（批大小，维度，高度，宽度，通道数）的 5-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。

代码示例

COPY-FROM: paddle.nn.BatchNorm3D