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

• 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：

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