BatchNorm1d

class torch.nn.BatchNorm1d(num_features, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True, device=None, dtype=None, *, bias=True) [исходный код]

Применяет пакетную нормализацию к входным данным размерности 2D или 3D.

Метод описан в статье Пакетная нормализация: ускорение обучения глубоких сетей за счёт уменьшения внутреннего ковариатного сдвига .

$$y = \frac{x - \mathrm{E}[x]}{\sqrt{\mathrm{Var}[x] + \epsilon}} * \gamma + \beta$$

Среднее значение и стандартное отклонение вычисляются отдельно для каждого измерения по мини-пакетам, а $\gamma$ и $\beta$ — обучаемые векторы параметров размера C (где C — количество признаков или каналов входных данных). По умолчанию элементы $\gamma$ равны 1, а элементы $\beta$ равны 0. Во время прямого прохода при обучении дисперсия вычисляется с помощью смещённой оценки, эквивалентной torch.var(input, correction=0). Однако значение, хранящееся в скользящем среднем дисперсии, вычисляется с помощью несмещённой оценки, эквивалентной torch.var(input, correction=1).

Также по умолчанию во время обучения этот слой сохраняет скользящие оценки вычисленных среднего значения и дисперсии, которые затем используются для нормализации во время оценки. Скользящие оценки сохраняются с коэффициентом momentum, равным по умолчанию 0.1.

Если для track_running_stats задано значение False, этот слой не сохраняет скользящие оценки, а при оценке вместо них используются статистики пакета.

Примечание

Этот аргумент momentum отличается от аргумента, используемого в классах оптимизаторов, и от общепринятого понятия импульса. Математически правило обновления скользящих статистик здесь имеет вид $\hat{x}_\text{new} = (1 - \text{momentum}) \times \hat{x} + \text{momentum} \times x_t$, где $\hat{x}$ — оцениваемая статистика, а $x_t$ — новое наблюдаемое значение.

Поскольку пакетная нормализация выполняется по измерению C, то есть статистики вычисляются для срезов (N, L), принято называть её временной пакетной нормализацией.

Параметры:

• num_features (int) — количество признаков или каналов $C$ входных данных
• eps (float) — значение, добавляемое к знаменателю для численной устойчивости. По умолчанию: 1e-5
• momentum (float | None) — значение, используемое при вычислении running_mean и running_var. Может быть задано равным None для накопительного скользящего среднего (то есть простого среднего). По умолчанию: 0.1
• affine (bool) — логическое значение: если задано True, этот модуль имеет обучаемые аффинные параметры. По умолчанию: True
• track_running_stats (bool) — логическое значение: если задано True, модуль отслеживает скользящие среднее и дисперсию; если задано False, модуль не отслеживает эти статистики и инициализирует буферы статистик running_mean и running_var значениями None. Если эти буферы имеют значение None, модуль всегда использует статистики пакета как в режиме обучения, так и в режиме оценки. По умолчанию: True
• bias (bool) — если задано False, слой не будет обучать аддитивное смещение (актуально только если affine равно True). По умолчанию: True

Форма:

• Вход: $(N, C)$ или $(N, C, L)$, где $N$ — размер пакета, $C$ — количество признаков или каналов, а $L$ — длина последовательности
• Выход: $(N, C)$ или $(N, C, L)$ (форма совпадает с формой входных данных)

Примеры:

>>> # With Learnable Parameters
>>> m = nn.BatchNorm1d(100)
>>> # Without Learnable Parameters
>>> m = nn.BatchNorm1d(100, affine=False)
>>> input = torch.randn(20, 100)
>>> output = m(input)