Skip to content

Latest commit

 

History

History
73 lines (48 loc) · 5.11 KB

batch_norm_cn.rst

File metadata and controls

73 lines (48 loc) · 5.11 KB
Raw

batch_norm

批正则化层（Batch Normalization Layer）

可用作卷积和全连接操作的批正则化函数，根据当前批次数据按通道计算的均值和方差进行正则化。该层需要的数据格式如下：

  • 1.NHWC[batch,in_height,in_width,in_channels]
  • 2.NCHW[batch,in_channels,in_height,in_width]

更多详情请参考：Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift

input 是 mini-batch 的输入。

$$\begin{aligned} \mu_{\beta} &\gets \frac{1}{m} \sum_{i=1}^{m} x_i \qquad &//\\ \ mini-batch\ mean \\\ \sigma_{\beta}^{2} &\gets \frac{1}{m} \sum_{i=1}^{m}(x_i - \mu_{\beta})^2 \qquad &//\\ \ mini-batch\ variance \\\ \hat{x_i} &\gets \frac{x_i - \mu_\beta} {\sqrt{\sigma_{\beta}^{2} + \epsilon}} \qquad &//\ normalize \\\ y_i &\gets \gamma \hat{x_i} + \beta \qquad &//\ scale\ and\ shift \end{aligned}$$$$\begin{aligned} moving\_mean = moving\_mean * momentum + mini\_batch\_mean * (1. - momentum) \\\ moving\_variance = moving\_variance * momentum + mini\_batch\_var * (1. - momentum) \end{aligned}$$

moving_mean 和 moving_var 是训练过程中统计得到的全局均值和方差，在预测或者评估中使用。 is_test 参数只能用于测试或者评估阶段，如果想在训练阶段使用预训练模型的全局均值和方差的话，可以设置 use_global_stats=True。

当 use_global_stats = True 时，μβ 和 σβ2 不是一个 minibatch 的统计数据。它们是全局（或运行）统计数据（moving_mean 和 moving_variance），通常来自预先训练好的模型。训练和测试（或预测）具有相同的行为：

$$\begin{aligned} \hat{x_i} &\gets \frac{x_i - \mu_\beta} {\sqrt{\\ \sigma_{\beta}^{2} + \epsilon}} \\\ y_i &\gets \gamma \hat{x_i} + \beta \end{aligned}$$

参数

  • input (Tensor) - batch_norm 算子的输入特征，是一个 Tensor 类型，输入维度可以是 2, 3, 4, 5。数据类型：flaot16, float32, float64。
  • act （string）- 激活函数类型，可以是 leaky_realu、relu、prelu 等。默认：None。
  • is_test （bool） - 指示它是否在测试阶段，非训练阶段使用训练过程中统计到的全局均值和全局方差。默认：False。
  • momentum （float|Tensor）- 此值用于计算 moving_mean 和 moving_var，是一个 float 类型或者一个 shape 为[1]，数据类型为 float32 的 Tensor 类型。更新公式为：moving_mean = moving_mean * momentum + new_mean * (1. − momentum) ， moving_var = moving_var * momentum + new_var * (1. − momentum)，默认：0.9。
  • epsilon （float）- 加在分母上为了数值稳定的值。默认：1e-5。
  • param_attr (ParamAttr|None)：指定权重参数属性的对象。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 cn_api_paddle_ParamAttr 。batch_norm 算子默认的权重初始化是 1.0。
  • bias_attr （ParamAttr|None）- 指定偏置参数属性的对象。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 cn_api_paddle_ParamAttr 。batch_norm 算子默认的偏置初始化是 0.0。
  • data_layout （string) - 指定输入的数据格式，输出的数据格式将与输入保持一致，可以是"NCHW"和"NHWC"。N 是批尺寸，C 是通道数，H 是特征高度，W 是特征宽度。默认值："NCHW"。
  • in_place （bool）- batch_norm 的输出复用输入的 tensor，可以节省显存。默认：False。
  • name (str，可选) - 具体用法请参见 api_guide_Name，一般无需设置，默认值为 None。
  • moving_mean_name （string）- moving_mean 的名称，存储全局均值。如果将其设置为 None, batch_norm 将随机命名全局均值；否则，batch_norm 将命名全局均值为 moving_mean_name。默认：None。
  • moving_variance_name （string）- moving_variance 的名称，存储全局变量。如果将其设置为 None, batch_norm 将随机命名全局方差；否则，batch_norm 将命名全局方差为 moving_variance_name。默认：None。
  • do_model_average_for_mean_and_var （bool，默认 False）- 是否为 mean 和 variance 做模型均值。
  • use_global_stats （bool） – 是否使用全局均值和方差。在预测或测试模式下，将 use_global_stats 设置为 true 或将 is_test 设置为 true，并且行为是等效的。在训练模式中，当设置 use_global_stats 为 True 时，在训练期间也使用全局均值和方差。默认：False。

返回

维度和输入相同的 Tensor，在输入中运用批正则后的结果。

代码示例

COPY-FROM: paddle.static.nn.batch_norm