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:

lrn - 图1

在以上公式中:

  • lrn - 图2

    :累加的通道数

  • lrn - 图3

    :位移

  • αα : 缩放参数

  • ββ : 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

  1. import paddle.fluid as fluid
  2. data = fluid.layers.data(
  3. name="data", shape=[3, 112, 112], dtype="float32")
  4. lrn = fluid.layers.lrn(input=data)
  5. print(lrn.shape) # [-1, 3, 112, 112]
  6. print(lrn.dtype) # float32