instance_norm
paddle.fluid.layers.
instance_norm
(input, epsilon=1e-05, param_attr=None, bias_attr=None, name=None)[源代码]
可用作卷积和全连接操作的实例正则化函数,根据每个样本的每个通道的均值和方差信息进行正则化。该层需要的数据格式如下:
NCHW[batch,in_channels,in_height,in_width]
更多详情请参考 : Instance Normalization: The Missing Ingredient for Fast Stylization
input
是mini-batch的输入。
- 参数:
- input (Variable) - instance_norm算子的输入特征,是一个Variable类型,输入的维度可以为 2, 3, 4, 5。数据类型:float32和float64。
- epsilon (float,默认1e-05)-为了当前输入做标准化时得到稳定的结果而加在的分母上的扰动值。默认值为1e-5。
- param_attr (ParamAttr|None) - instance_norm 权重参数的属性,可以设置为None或者一个ParamAttr的类(ParamAttr中可以指定参数的各种属性)。 如果设为None,则默认的参数初始化为1.0。如果在ParamAttr指定了属性时, instance_norm创建相应属性的param_attr(权重)参数。默认:None。
- bias_attr (ParamAttr|None) - instance_norm 偏置参数的属性,可以设置为None或者一个ParamAttr的类(ParamAttr中可以指定参数的各种属性)。如果设为None,默认的参数初始化为0.0。如果在ParamAttr指定了参数的属性时, instance_norm创建相应属性的bias_attr(偏置)参数。默认:None。
- name (string,默认None)- 该层名称(可选)。若设为None,则自动为该层命名。
返回: 张量,在输入中运用instance normalization后的结果
返回类型:变量(Variable)
代码示例:
- import paddle.fluid as fluid
- import numpy as np
- x = fluid.layers.data(name='x', shape=[3, 7, 3, 7], dtype='float32', append_batch_size=False)
- hidden1 = fluid.layers.fc(input=x, size=200)
- param_attr = fluid.ParamAttr(name='instance_norm_w', initializer=fluid.initializer.Constant(value=1.0))
- bias_attr = fluid.ParamAttr(name='instance_norm_b', initializer=fluid.initializer.Constant(value=0.0))
- hidden2 = fluid.layers.instance_norm(input=hidden1, param_attr = param_attr, bias_attr = bias_attr)
- place = fluid.CPUPlace()
- exe = fluid.Executor(place)
- exe.run(fluid.default_startup_program())
- np_x = np.random.random(size=(3, 7, 3, 7)).astype('float32')
- output = exe.run(feed={"x": np_x}, fetch_list = [hidden2])
- print(output)