tensorflow::ops::LRN

#include <nn_ops.h>

Локальная нормализация ответа.

Краткое описание

4-мерный тензор input рассматривается как 3-мерный массив 1-мерных векторов (по последнему измерению), и каждый вектор нормализуется независимо. В пределах данного вектора каждый компонент делится на взвешенную, квадратичную сумму входных значений в пределах depth_radius. Подробнее:

sqr_sum[a, b, c, d] =
    sum(input[a, b, c, d - depth_radius : d + depth_radius + 1] ** 2)
output = input / (bias + alpha * sqr_sum) ** beta

Для получения подробной информации см. Krizhevsky et al., ImageNet classification with deep convolutional neural networks (NIPS 2012).

Аргументы:

• scope: Объект Scope
• input: 4-мерный.

Необязательные атрибуты (см. Attrs):

• depth_radius: 0-D. Половина ширины окна нормализации по размерности глубины.
• bias: Смещение (обычно положительное, чтобы избежать деления на 0).
• alpha: Коэффициент масштабирования, обычно положительный.
• beta: Показатель степени.

Возвращает:

• Output: Результирующий тензор.

Общедоступные атрибуты

Operation operation

::tensorflow::Output output

Общедоступные функции

 LRN(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input
)

 LRN(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input,
  const LRN::Attrs & attrs
)

::tensorflow::Node * node() const 

operator::tensorflow::Input() const 

operator::tensorflow::Output() const 

Общедоступные статические функции

Attrs Alpha(
  float x
)

Attrs Beta(
  float x
)

Attrs Bias(
  float x
)

Attrs DepthRadius(
  int64 x
)