tensorflow中的lrn函数详解

LRN函数类似DROPOUT和数据增强作为relu激励之后防止数据过拟合而提出的一种处理方法,全称是 local response normalization--局部响应标准化。这个函数很少使用，基本上被类似DROPOUT这样的方法取代，具体原理还是值得一看的

函数原型

def lrn(input, depth_radius=None, bias=None, alpha=None, beta=None,
        name=None):

官方文档给的解释如下,这些官方文档看了没啥卵用，越看越糊涂

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

见最早的出处AlexNet论文对它的定义, 《ImageNet Classification with Deep ConvolutionalNeural Networks》

i：代表下标，你要计算像素值的下标，从0计算起

j：平方累加索引，代表从j～i的像素值平方求和

x,y：像素的位置，公式中用不到

a：代表feature map里面的 i 对应像素的具体值

N：每个feature map里面最内层向量的列数

k：超参数，由原型中的blas指定

α：超参数，由原型中的alpha指定

n/2：超参数，由原型中的deepth_radius指定

β：超参数，由原型中的belta指定

import tensorflow as tf  a = tf.constant([  [[1.0, 2.0, 3.0, 4.0],  [5.0, 6.0, 7.0, 8.0],  [8.0, 7.0, 6.0, 5.0],  [4.0, 3.0, 2.0, 1.0]],  [[4.0, 3.0, 2.0, 1.0],  [8.0, 7.0, 6.0, 5.0],  [1.0, 2.0, 3.0, 4.0],  [5.0, 6.0, 7.0, 8.0]]
])
#reshape 1批次  2x2x8的feature map
a = tf.reshape(a, [1, 2, 2, 8])  normal_a=tf.nn.lrn(a,2,0,1,1)
with tf.Session() as sess:  print("feature map:")  image = sess.run(a)  print (image)  print("normalized feature map:")  normal = sess.run(normal_a)  print (normal)

输出:

    feature map:  [[[[ 1.  2.  3.  4.  5.  6.  7.  8.]  [ 8.  7.  6.  5.  4.  3.  2.  1.]]  [[ 4.  3.  2.  1.  8.  7.  6.  5.]  [ 1.  2.  3.  4.  5.  6.  7.  8.]]]]  normalized feature map:  [[[[ 0.07142857  0.06666667  0.05454545  0.04444445  0.03703704  0.03157895  0.04022989  0.05369128]  [ 0.05369128  0.04022989  0.03157895  0.03703704  0.04444445  0.05454545  0.06666667  0.07142857]]  [[ 0.13793103  0.10000001  0.0212766   0.00787402  0.05194805  0.04  0.03448276  0.04545454]  [ 0.07142857  0.06666667  0.05454545  0.04444445  0.03703704  0.03157895  0.04022989  0.05369128]]]]

分析如下：

由调用关系得出 n/2=2，k=0，α=1，β=1，N=8

第一行第一个数来说：i = 0

a = 1，min(N-1, i+n/2) = min(7, 2)=2，j = max(0, i - k)=max(0, 0)=0，下标从0~2个数平方求和， b=1/(1^2 + 2^2 + 3^2)=1/14 = 0.071428571

同理，第一行第四个数来说：i = 3

a = 4，min(N-1, i+n/2) = min(7, 5 )=5, j = max(0,1) = 1，下标从1~5进行平方求和，b = 4/(2^2 + 3^2 + 4^2 + 5^2 + 6^2) = 4/90=0.044444444

再来一个，第二行第一个数来说： i = 0

a = 8, min(N-1, i+n/2) = min(7, 2) = 2, j=max(0,0)=0, 下标从0~2的3个数平方求和，b = 8/(8^2 + 7^2 + 6^2)=8/149=0.053691275

其他的也是类似操作

原文:https://blog.csdn.net/banana1006034246/article/details/75204013

tensorflow中的lrn函数详解相关推荐

tensorflow中tf.get_variable()函数详解
如果变量存在,函数tf.get_variable()会返回现有的变量:如果变量不存在,会根据给定形状和初始值创建一个新的变量. def get_variable(name, shape=None, d ...
python getattr_Python中的getattr()函数详解:
标签:Python中的getattr()函数详解: getattr(object, name[, default]) -> value Get a named attribute from an ...
timm 视觉库中的 create_model 函数详解
timm 视觉库中的 create_model 函数详解最近一年 Vision Transformer 及其相关改进的工作层出不穷,在他们开源的代码中,大部分都用到了这样一个库:timm.各位炼丹师 ...
python input函数详解_对Python3中的input函数详解
下面介绍python3中的input函数及其在python2及pyhton3中的不同. python3中的ininput函数,首先利用help(input)函数查看函数信息: 以上信息说明input函 ...
Python中的bbox_overlaps()函数详解
Python中的bbox_overlaps()函数详解想要编写自己的目标检测算法,就需要掌握bounding box(边界框)之间的关系.在这之中,bbox_overlaps()函数是一个非常实用的 ...
java的匿名函数_JAVA语言中的匿名函数详解
本文主要向大家介绍了JAVA语言中的匿名函数详解,通过具体的内容向大家展示,希望对大家学习JAVA语言有所帮助. 一.使用匿名内部类匿名内部类由于没有名字,所以它的创建方式有点儿奇怪.创建格式如下: ...
内核中的kmalloc函数详解
一.kmalloc函数详解 #include <linux/slab.h> void *kmalloc(size_t size, int flags); 给 kmalloc 的第一个参数是 ...
前端如何设置背景颜色的透明度 css中的 rgba() 函数详解：background-color: rgba(255,192,203,0.3)
目录前言 rgba() 函数详解再分享一个小技巧哈哈哈前言今天在开发移动端的时候感觉没背景颜色有点丑,再加上自己做的是蛋糕app,觉得暖色应该会很好看,于是就用了这行代码 backgroun ...
Opencv中的imshow函数详解
前言使用opencv对图像进行处理之后,通常调用imshow函数来显示处理结果.但是,我们经常会发现显示结果和我们预期的结果有些差别.这是由于opencv经常会涉及到对多种图像数据类型的处理,如果我 ...

tensorflow中的lrn函数详解

tensorflow中的lrn函数详解相关推荐

最新文章

热门文章