BatchNorm2d

class torch.nn.modules.batchnorm.BatchNorm2d(num_features, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True, device=None, dtype=None, *, bias=True) [source]

Применяет пакетную нормализацию к входным данным размерности 4.

Размерность 4 соответствует мини-пакету двумерных входных данных с дополнительной размерностью каналов. Метод описан в статье Пакетная нормализация: ускорение обучения глубоких сетей за счёт уменьшения внутреннего ковариативного 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 размерности C (где C — размер входных данных). По умолчанию элементы $\gamma$ равны 1, а элементы $\beta$ — 0. Во время обучения на прямом проходе стандартное отклонение вычисляется с помощью смещённой оценки, эквивалентной torch.var(input, correction=0). Однако значение, сохраняемое в скользящем среднем стандартного отклонения, вычисляется с помощью несмещённой оценки, эквивалентной torch.var(input, correction=1).

Кроме того, по умолчанию во время обучения этот слой сохраняет текущие оценки вычисленных среднего значения и дисперсии, которые затем используются для нормализации при оценке. Текущие оценки сохраняются с коэффициентом momentum, равным по умолчанию 0.1.

Если track_running_stats установлено в False, этот слой не сохраняет текущие оценки, а статистики пакета используются также во время оценки.

Примечание

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

Поскольку пакетная нормализация выполняется по измерению C, вычисляя статистики по срезам (N, H, W), для этого обычно используется термин «пространственная пакетная нормализация».

Параметры:

• num_features (int) – $C$ для ожидаемого входа размерности $(N, C, H, W)$
• 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. Можно установить в None для вычисления кумулятивного скользящего среднего (то есть простого среднего). По умолчанию: 0.1
• affine (bool) – логическое значение: если установлено в True, этот модуль имеет обучаемые аффинные параметры. По умолчанию: True
• track_running_stats (bool) – логическое значение: если установлено в True, этот модуль отслеживает текущее среднее и дисперсию; если установлено в False, модуль не отслеживает эти статистики и инициализирует буферы статистик running_mean и running_var значением 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 установлено в False, слой не будет обучать аддитивное смещение (имеет значение, только если affine равно True). По умолчанию: True

Размерность:

• Вход: $(N, C, H, W)$
• Выход: $(N, C, H, W)$ (та же размерность, что и у входа)

Примеры:

>>> # With Learnable Parameters
>>> m = nn.BatchNorm2d(100)
>>> # Without Learnable Parameters
>>> m = nn.BatchNorm2d(100, affine=False)
>>> input = torch.randn(20, 100, 35, 45)
>>> output = m(input)