LazyInstanceNorm2d

class torch.nn.modules.instancenorm.LazyInstanceNorm2d(eps=1e-05, momentum=0.1, affine=True, track_running_stats=True, device=None, dtype=None, *, bias=True) [исходный код]

Модуль torch.nn.InstanceNorm2d с отложенной инициализацией аргумента num_features.

Аргумент num_features объекта InstanceNorm2d определяется по input.size(1). Атрибуты, которые будут инициализированы отложенно: weight, bias, running_mean и running_var.

Дополнительные сведения об отложенной инициализации модулей и её ограничениях см. в документации torch.nn.modules.lazy.LazyModuleMixin.

Параметры:

• num_features – $C$ для ожидаемого входа размера $(N, C, H, W)$ или $(C, H, W)$
• eps (float) – значение, добавляемое к знаменателю для численной устойчивости. Значение по умолчанию: 1e-5
• momentum (float | None) – значение, используемое при вычислении running_mean и running_var. Значение по умолчанию: 0.1
• affine (bool) – логическое значение: если оно равно True, модуль содержит обучаемые аффинные параметры, инициализируемые так же, как при пакетной нормализации. Значение по умолчанию: False
• track_running_stats (bool) – логическое значение: если оно равно True, модуль отслеживает скользящие среднее и дисперсию; если оно равно False, модуль не отслеживает эту статистику и всегда использует статистику текущего пакета как в режиме обучения, так и в режиме оценки. Значение по умолчанию: False
• bias (UninitializedParameter) – Если задано значение False, слой не будет обучать аддитивное смещение (имеет значение только в том случае, если affine равно True). Значение по умолчанию: True

Форма:

• Вход: $(N, C, H, W)$ или $(C, H, W)$
• Выход: $(N, C, H, W)$ или $(C, H, W)$ (такая же форма, как у входа)

cls_to_become [исходный код]

псевдоним для InstanceNorm2d