lrn
paddle.fluid.layers.lrn
(input, n=5, k=1.0, alpha=0.0001, beta=0.75, name=None, data_format=’NCHW’)[源代码]
该OP实现了局部响应正则化层(Local Response Normalization Layer),用于对局部输入区域正则化,执行一种侧向抑制(lateral inhibition)。更多详情参考: ImageNet Classification with Deep Convolutional Neural Networks
其中 input
是mini-batch的输入特征。计算过程如下:
在以上公式中:
-
:累加的通道数
-
:位移
-
: 缩放参数
-
: 指数参数
参数
- input (Variable)- 输入特征,形状为[N,C,H,W]或者[N,H,W,C]的4D-Tensor,其中N为batch大小,C为输入通道数,H为特征高度,W为特征宽度。必须包含4个维度,否则会抛出
ValueError
的异常。数据类型为float32。- n (int,可选) - 累加的通道数,默认值为5。
- k (float,可选)- 位移,正数。默认值为1.0。
- alpha (float,可选)- 缩放参数,正数。默认值为1e-4。
- beta (float,可选)- 指数,正数。默认值为0.75。
- name (None|str) – 该参数供开发人员打印调试信息时使用,具体用法请参见 Name ,默认值为None。
- data_format (str,可选) - 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”。
返回
局部响应正则化得到的输出特征,数据类型及维度和input相同。
返回类型
Variable
抛出异常
ValueError
: 如果输入不是4-D Tensor。ValueError
- 如果data_format
不是”NCHW”或者”NHWC”。
代码示例
import paddle.fluid as fluid
data = fluid.layers.data(
name="data", shape=[3, 112, 112], dtype="float32")
lrn = fluid.layers.lrn(input=data)
print(lrn.shape) # [-1, 3, 112, 112]
print(lrn.dtype) # float32