torch.nn.utils.parametrizations.spectral_norm

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

Применяет спектральную нормализацию к параметру в заданном модуле.

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

При применении к вектору она упрощается до

$$\mathbf{x}_{SN} = \dfrac{\mathbf{x}}{\|\mathbf{x}\|_2}$$

Спектральная нормализация стабилизирует обучение дискриминаторов (критиков) в генеративных состязательных сетях (GAN) путём уменьшения липшицевой постоянной модели. $\sigma$ аппроксимируется путём выполнения одной итерации метода степенного метода каждый раз при обращении к весу. Если размер тензора весов больше 2, он преобразуется в 2D в методе степенного итерации для получения спектральной нормы.

См. Спектральная нормализация для генеративных состязательных сетей.

Примечание

Эта функция реализована с использованием функциональности параметризации в register_parametrization(). Это повторная реализация torch.nn.utils.spectral_norm().

Примечание

При регистрации этого ограничения оцениваются сингулярные векторы, соответствующие наибольшему сингулярному значению, а не случайному выбору. Затем они обновляются путём выполнения n_power_iterations итераций метода степенного метода, когда тензор обращается с модулем в режиме training.

Примечание

Если модуль _SpectralNorm, то есть module.parametrization.weight[idx], находится в режиме обучения при удалении, он выполнит ещё одну итерацию степенного метода. Если вы хотите избежать этой итерации, установите режим модуля в eval перед его удалением.

Параметры

• module (nn.Module) – содержащий модуль
• name (str, необязательно) – имя параметра веса. По умолчанию: "weight".
• n_power_iterations (int, необязательно) – количество итераций степенного метода для расчета спектральной нормы. По умолчанию: 1.
• eps (float, необязательно) – эпсилон для числовой устойчивости при вычислении норм. По умолчанию: 1e-12.
• dim (int, необязательно) – измерение, соответствующее числу выходов. По умолчанию: 0, за исключением модулей, которые являются экземплярами ConvTranspose{1,2,3}d, когда это 1

Возвращает

Оригинальный модуль с зарегистрированной новой параметризацией для указанного веса

Тип возвращаемого значения

Module

Пример:

>>> snm = spectral_norm(nn.Linear(20, 40))
>>> snm
ParametrizedLinear(
  in_features=20, out_features=40, bias=True
  (parametrizations): ModuleDict(
    (weight): ParametrizationList(
      (0): _SpectralNorm()
    )
  )
)
>>> torch.linalg.matrix_norm(snm.weight, 2)
tensor(1.0081, grad_fn=<AmaxBackward0>)