جریان تنسور:: عملیات:: LRN

#include <nn_ops.h>

عادی سازی پاسخ محلی

خلاصه

تانسور input 4 بعدی به عنوان یک آرایه سه بعدی از بردارهای 1 بعدی (در امتداد آخرین بعد) در نظر گرفته می شود و هر بردار به طور مستقل نرمال می شود. در یک بردار معین، هر مولفه بر مجموع وزنی و مجذور ورودی‌ها در depth_radius تقسیم می‌شود. به تفصیل،

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

برای جزئیات، کریژفسکی و همکاران، طبقه بندی ImageNet با شبکه های عصبی کانولوشن عمیق (NIPS 2012) را ببینید.

استدلال ها:

• scope: یک شی Scope
• ورودی: 4 بعدی

ویژگی های اختیاری (به Attrs مراجعه کنید):

• عمق_شعاع: 0-D. نصف عرض پنجره عادی سازی 1 بعدی.
• سوگیری: یک افست (معمولا مثبت برای جلوگیری از تقسیم بر 0).
• آلفا: یک عامل مقیاس، معمولا مثبت.
• بتا: یک توان.

برمی گرداند:

• Output : تانسور خروجی.

سازندگان و تخریب کنندگان
LRN (const :: tensorflow::Scope & scope, :: tensorflow::Input input)
LRN (const :: tensorflow::Scope & scope, :: tensorflow::Input input, const LRN::Attrs & attrs)

صفات عمومی
operation	Operation
output	:: tensorflow::Output

توابع عمومی
node () const	::tensorflow::Node *
operator::tensorflow::Input () const
operator::tensorflow::Output () const

توابع استاتیک عمومی
Alpha (float x)	Attrs
Beta (float x)	Attrs
Bias (float x)	Attrs
DepthRadius (int64 x)	Attrs

سازه ها
tensorflow:: ops:: LRN:: Attrs	تنظیم کننده های ویژگی اختیاری برای LRN .

صفات عمومی

عملیات

Operation operation

خروجی

::tensorflow::Output output

توابع عمومی

LRN

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

LRN

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

گره

::tensorflow::Node * node() const 

عملگر::tensorflow::ورودی

 operator::tensorflow::Input() const 

عملگر::tensorflow::خروجی

 operator::tensorflow::Output() const 

توابع استاتیک عمومی

آلفا

Attrs Alpha(
  float x
)

بتا

Attrs Beta(
  float x
)

تعصب

Attrs Bias(
  float x
)

عمق رادیوس

Attrs DepthRadius(
  int64 x
)