torch.nn.utils.spectral_norm

torch.nn.utils.spectral_norm(module, name='weight', n_power_iterations=1, eps=1e-12, dim=None) [source]

Применяет спектральную нормализацию к параметру в заданном модуле.

$$\mathbf{W}_{SN} = \dfrac{\mathbf{W}}{\sigma(\mathbf{W})}, \sigma(\mathbf{W}) = \max_{\mathbf{h}: \mathbf{h} \ne 0} \dfrac{\|\mathbf{W} \mathbf{h}\|_2}{\|\mathbf{h}\|_2}$$

Спектральная нормализация стабилизирует обучение дискриминаторов (критиков) в генеративных состязательных сетях (GAN) путём масштабирования тензора весов с помощью спектральной нормы $\sigma$ матрицы весов, вычисленной с помощью метода итерации степеней. Если размерность тензора весов больше 2, она переформатируется в 2D в методе итерации степеней для получения спектральной нормы. Это реализуется через крючок, который вычисляет спектральную норму и масштабирует веса перед каждым вызовом forward().

См. Спектральная нормализация для генеративных состязательных сетей .

Параметры:

• module (nn.Module) – содержащий модуль
• name (str, необязательно) – имя параметра веса
• n_power_iterations (int, необязательно) – количество итераций степеней для вычисления спектральной нормы
• eps (float, необязательно) – эпсилон для численной устойчивости при вычислении норм
• dim (int, необязательно) – размерность, соответствующая числу выходов, значение по умолчанию 0, за исключением модулей, которые являются экземплярами ConvTranspose{1,2,3}d, когда это 1

Возвращаемое значение:

Оригинальный модуль с крючком спектральной нормы

Тип возвращаемого значения:

T_module

Примечание

Эта функция была переделана как torch.nn.utils.parametrizations.spectral_norm() с использованием новой функциональности параметризации в torch.nn.utils.parametrize.register_parametrization(). Пожалуйста, используйте более новую версию. Эта функция будет устаревшей в будущей версии PyTorch.

Пример:

>>> m = spectral_norm(nn.Linear(20, 40))
>>> m
Linear(in_features=20, out_features=40, bias=True)
>>> m.weight_u.size()
torch.Size([40])