batch_norm

  • paddle.fluid.layers.batch_norm(input, act=None, is_test=False, momentum=0.9, epsilon=1e-05, param_attr=None, bias_attr=None, data_layout='NCHW', in_place=False, name=None, moving_mean_name=None, moving_variance_name=None, do_model_average_for_mean_and_var=False, use_global_stats=False)[源代码]

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。

batch_norm - 图1

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。

当use_global_stats = True时，

batch_norm - 图2 和 batch_norm - 图3 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：

batch_norm - 图4

  • 参数：
    • input (Variable) - batch_norm算子的输入特征，是一个Variable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）- 此值用于计算 moving_mean 和 moving_var。更新公式为: batch_norm - 图5 ， batch_norm - 图6 ， 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 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 ParamAttr 。batch_norm算子默认的偏置初始化是0.0。
    • data_layout （string) - 指定输入数据格式，数据格式可以为NCHW或者NHWC。默认：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|None) – 具体用法请参见 cn_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。

返回类型：Variable

代码示例：

  1. import paddle.fluid as fluid
  2. import numpy as np
  3. x = fluid.layers.data(name='x', shape=[3, 7, 3, 7], dtype='float32', append_batch_size=False)
  4. hidden1 = fluid.layers.fc(input=x, size=200)
  5. param_attr = fluid.ParamAttr(name='batch_norm_w', initializer=fluid.initializer.Constant(value=1.0))
  6. bias_attr = fluid.ParamAttr(name='batch_norm_b', initializer=fluid.initializer.Constant(value=0.0))
  7. hidden2 = fluid.layers.batch_norm(input=hidden1, param_attr = param_attr, bias_attr = bias_attr)
  8. place = fluid.CPUPlace()
  9. exe = fluid.Executor(place)
  10. exe.run(fluid.default_startup_program())
  11. np_x = np.random.random(size=(3, 7, 3, 7)).astype('float32')
  12. output = exe.run(feed={"x": np_x}, fetch_list = [hidden2])
  13. print(output)