LocalResponseNormalization

Normalisasi Respons Lokal kelas akhir publik

Normalisasi Respon Lokal.

Tensor `input` 4-D diperlakukan sebagai larik 3-D yang terdiri dari vektor 1-D (sepanjang dimensi terakhir), dan setiap vektor dinormalisasi secara independen. Dalam vektor tertentu, setiap komponen dibagi dengan jumlah input kuadrat tertimbang dalam `radius_kedalaman`. Secara terperinci,

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

Untuk detailnya, lihat [Krizhevsky et al., klasifikasi ImageNet dengan jaringan neural konvolusional dalam (NIPS 2012)](http://papers.nips.cc/paper/4824-imagenet-classification-with-deep-convolutional-neural-networks ).

Kelas Bersarang

kelas

Normalisasi Respons Lokal.Opsi

Atribut opsional untuk LocalResponseNormalization

Konstanta

Rangkaian

OP_NAME

Nama operasi ini dikenal dengan mesin inti TensorFlow

Metode Publik

LocalResponseNormalization.Options statis	alfa (Alfa mengambang)
Keluaran <T>	sebagai Keluaran () Mengembalikan pegangan simbolis tensor.
LocalResponseNormalization.Options statis	beta (mengambang beta)
LocalResponseNormalization.Options statis	bias (bias mengambang)
statis <T memperluas TNumber > Normalisasi Respons Lokal <T>	buat ( Lingkup lingkup, masukan Operan <T>, Opsi... opsi) Metode pabrik untuk membuat kelas yang membungkus operasi LocalResponseNormalization baru.
LocalResponseNormalization.Options statis	depthRadius (Radius kedalaman panjang)
Keluaran <T>	keluaran ()

Metode Warisan

Dari kelas org.tensorflow.op.RawOp

boolean terakhir	sama dengan (Objek objek)
int terakhir	Kode hash ()
Operasi	op () Kembalikan unit komputasi ini sebagai satu Operation .
String terakhir	keString ()

Dari kelas java.lang.Object

boolean	sama dengan (Objek arg0)
Kelas terakhir<?>	dapatkan Kelas ()
ke dalam	Kode hash ()
kekosongan terakhir	memberitahu ()
kekosongan terakhir	beri tahuSemua ()
Rangkaian	keString ()
kekosongan terakhir	tunggu (arg0 panjang, int arg1)
kekosongan terakhir	tunggu (argumen panjang0)
kekosongan terakhir	Tunggu ()

Dari antarmuka org.tensorflow.op.Op

Lingkungan Eksekusi abstrak	env () Kembalikan lingkungan eksekusi tempat operasi ini dibuat.
Operasi abstrak	op () Kembalikan unit komputasi ini sebagai satu Operation .

Dari antarmuka org.tensorflow.Operand

Keluaran abstrak <T>	sebagai Keluaran () Mengembalikan pegangan simbolis tensor.
abstrak T	sebagai Tensor () Mengembalikan tensor pada operan ini.
Bentuk abstrak	membentuk () Mengembalikan bentuk tensor (yang mungkin diketahui sebagian) yang dirujuk oleh Output operan ini.
Kelas abstrak<T>	jenis () Mengembalikan tipe tensor operan ini

Dari antarmuka org.tensorflow.ndarray.Shaped

abstrak ke dalam	peringkat ()
Bentuk abstrak	membentuk ()
abstrak panjang	ukuran () Menghitung dan mengembalikan ukuran total wadah ini, dalam jumlah nilai.

Konstanta

String akhir statis publik OP_NAME

Nama operasi ini dikenal dengan mesin inti TensorFlow

Nilai Konstan: "LRN"

Metode Publik

LocalResponseNormalization.Options statis publik alpha (Float alpha)

Parameter

alfa	Faktor skala, biasanya positif.

Keluaran publik <T> sebagai Keluaran ()

Mengembalikan pegangan simbolis tensor.

Masukan ke operasi TensorFlow adalah keluaran dari operasi TensorFlow lainnya. Metode ini digunakan untuk mendapatkan pegangan simbolis yang mewakili perhitungan input.

LocalResponseNormalization.Options statis publik beta (Float beta)

Parameter

beta	Eksponen.

LocalResponseNormalization.Options statis publik ( bias Float)

Parameter

bias	Offset (biasanya positif untuk menghindari pembagian dengan 0).

public static LocalResponseNormalization <T> buat ( Lingkup lingkup, masukan Operan <T>, Opsi... opsi)

Metode pabrik untuk membuat kelas yang membungkus operasi LocalResponseNormalization baru.

Parameter

cakupan	ruang lingkup saat ini
memasukkan	4-D.
pilihan	membawa nilai atribut opsional

Kembali

• contoh baru dari LocalResponseNormalization

Normalisasi Respons Lokal statis publik. Pilihan depthRadius (Radius kedalaman panjang)

Parameter

radius kedalaman	0-D. Setengah lebar jendela normalisasi 1-D.

Keluaran publik <T> keluaran ()