Restez organisé à l'aide des collections
Enregistrez et classez les contenus selon vos préférences.
flux tensoriel : : opérations : : LRN
#include <nn_ops.h>
Normalisation de la réponse locale.
Résumé
Le tenseur input
4D est traité comme un tableau 3D de vecteurs 1D (le long de la dernière dimension) et chaque vecteur est normalisé indépendamment. Dans un vecteur donné, chaque composant est divisé par la somme carrée pondérée des entrées dans depth_radius
. En détails,
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
Pour plus de détails, voir Krizhevsky et al., Classification ImageNet avec réseaux de neurones convolutifs profonds (NIPS 2012) .
Arguments :
- scope : un objet Scope
- entrée : 4-D.
Attributs facultatifs (voir Attrs
) :
- profondeur_radius : 0-D. Demi-largeur de la fenêtre de normalisation 1D.
- biais : un décalage (généralement positif pour éviter de diviser par 0).
- alpha : Un facteur d'échelle, généralement positif.
- bêta : un exposant.
Retours :
-
Output
: Le tenseur de sortie.
Attributs publics
Fonctions publiques
nœud
::tensorflow::Node * node() const
operator::tensorflow::Input() const
opérateur :: tensorflow :: Sortie
operator::tensorflow::Output() const
Fonctions statiques publiques
Alpha
Attrs Alpha(
float x
)
Bêta
Attrs Beta(
float x
)
Biais
Attrs Bias(
float x
)
Rayon de profondeur
Attrs DepthRadius(
int64 x
)
Sauf indication contraire, le contenu de cette page est régi par une licence Creative Commons Attribution 4.0, et les échantillons de code sont régis par une licence Apache 2.0. Pour en savoir plus, consultez les Règles du site Google Developers. Java est une marque déposée d'Oracle et/ou de ses sociétés affiliées.
Dernière mise à jour le 2025/07/27 (UTC).
[null,null,["Dernière mise à jour le 2025/07/27 (UTC)."],[],[],null,["# tensorflow::ops::LRN Class Reference\n\ntensorflow::ops::LRN\n====================\n\n`#include \u003cnn_ops.h\u003e`\n\nLocal Response Normalization.\n\nSummary\n-------\n\nThe 4-D `input` tensor is treated as a 3-D array of 1-D vectors (along the last dimension), and each vector is normalized independently. Within a given vector, each component is divided by the weighted, squared sum of inputs within `depth_radius`. In detail, \n\n```scdoc\nsqr_sum[a, b, c, d] =\n sum(input[a, b, c, d - depth_radius : d + depth_radius + 1] ** 2)\noutput = input / (bias + alpha * sqr_sum) ** beta\n```\n\n\u003cbr /\u003e\n\nFor details, see [Krizhevsky et al., ImageNet classification with deep convolutional neural networks (NIPS 2012)](http://papers.nips.cc/paper/4824-imagenet-classification-with-deep-convolutional-neural-networks).\n\nArguments:\n\n- scope: A [Scope](/versions/r2.2/api_docs/cc/class/tensorflow/scope#classtensorflow_1_1_scope) object\n- input: 4-D.\n\n\u003cbr /\u003e\n\nOptional attributes (see [Attrs](/versions/r2.2/api_docs/cc/struct/tensorflow/ops/l-r-n/attrs#structtensorflow_1_1ops_1_1_l_r_n_1_1_attrs)):\n\n- depth_radius: 0-D. Half-width of the 1-D normalization window.\n- bias: An offset (usually positive to avoid dividing by 0).\n- alpha: A scale factor, usually positive.\n- beta: An exponent.\n\n\u003cbr /\u003e\n\nReturns:\n\n- [Output](/versions/r2.2/api_docs/cc/class/tensorflow/output#classtensorflow_1_1_output): The output tensor.\n\n\u003cbr /\u003e\n\n| ### Constructors and Destructors ||\n|---|---|\n| [LRN](#classtensorflow_1_1ops_1_1_l_r_n_1adbadf9462bc6ae9916f535bb2aa2762f)`(const ::`[tensorflow::Scope](/versions/r2.2/api_docs/cc/class/tensorflow/scope#classtensorflow_1_1_scope)` & scope, ::`[tensorflow::Input](/versions/r2.2/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` input)` ||\n| [LRN](#classtensorflow_1_1ops_1_1_l_r_n_1ab702d3657c46710fcf7a63f7c712c5df)`(const ::`[tensorflow::Scope](/versions/r2.2/api_docs/cc/class/tensorflow/scope#classtensorflow_1_1_scope)` & scope, ::`[tensorflow::Input](/versions/r2.2/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` input, const `[LRN::Attrs](/versions/r2.2/api_docs/cc/struct/tensorflow/ops/l-r-n/attrs#structtensorflow_1_1ops_1_1_l_r_n_1_1_attrs)` & attrs)` ||\n\n| ### Public attributes ||\n|-----------------------------------------------------------------------------------|---------------------------------------------------------------------------------------------------------|\n| [operation](#classtensorflow_1_1ops_1_1_l_r_n_1a001e6e41e5fb3ff78b42decdd680ea82) | [Operation](/versions/r2.2/api_docs/cc/class/tensorflow/operation#classtensorflow_1_1_operation) |\n| [output](#classtensorflow_1_1ops_1_1_l_r_n_1a69396918e55e1de00f68a1113ef173b0) | `::`[tensorflow::Output](/versions/r2.2/api_docs/cc/class/tensorflow/output#classtensorflow_1_1_output) |\n\n| ### Public functions ||\n|-----------------------------------------------------------------------------------------------------------------|------------------------|\n| [node](#classtensorflow_1_1ops_1_1_l_r_n_1aa28d07232c5df13dad811653f1276a2a)`() const ` | `::tensorflow::Node *` |\n| [operator::tensorflow::Input](#classtensorflow_1_1ops_1_1_l_r_n_1aa00d48e5a8ca805aa2532b7155b8c28b)`() const ` | ` ` ` ` |\n| [operator::tensorflow::Output](#classtensorflow_1_1ops_1_1_l_r_n_1ae58da447d50c92abb12785d8ab7b618b)`() const ` | ` ` ` ` |\n\n| ### Public static functions ||\n|------------------------------------------------------------------------------------------------|-------------------------------------------------------------------------------------------------------------------|\n| [Alpha](#classtensorflow_1_1ops_1_1_l_r_n_1a7788a93182ddfbf8bb5bd1820b081392)`(float x)` | [Attrs](/versions/r2.2/api_docs/cc/struct/tensorflow/ops/l-r-n/attrs#structtensorflow_1_1ops_1_1_l_r_n_1_1_attrs) |\n| [Beta](#classtensorflow_1_1ops_1_1_l_r_n_1a6bbb26306e2265f6e2368f5dfb39ef13)`(float x)` | [Attrs](/versions/r2.2/api_docs/cc/struct/tensorflow/ops/l-r-n/attrs#structtensorflow_1_1ops_1_1_l_r_n_1_1_attrs) |\n| [Bias](#classtensorflow_1_1ops_1_1_l_r_n_1ac8da24639c0d90ef6e68df756f3e345f)`(float x)` | [Attrs](/versions/r2.2/api_docs/cc/struct/tensorflow/ops/l-r-n/attrs#structtensorflow_1_1ops_1_1_l_r_n_1_1_attrs) |\n| [DepthRadius](#classtensorflow_1_1ops_1_1_l_r_n_1ac579054901f30ab7fd4989ca39237a0e)`(int64 x)` | [Attrs](/versions/r2.2/api_docs/cc/struct/tensorflow/ops/l-r-n/attrs#structtensorflow_1_1ops_1_1_l_r_n_1_1_attrs) |\n\n| ### Structs ||\n|---------------------------------------------------------------------------------------------|-------------------------------------------------------------------------------------------------------------------------------|\n| [tensorflow::ops::LRN::Attrs](/versions/r2.2/api_docs/cc/struct/tensorflow/ops/l-r-n/attrs) | Optional attribute setters for [LRN](/versions/r2.2/api_docs/cc/class/tensorflow/ops/l-r-n#classtensorflow_1_1ops_1_1_l_r_n). |\n\nPublic attributes\n-----------------\n\n### operation\n\n```text\nOperation operation\n``` \n\n### output\n\n```text\n::tensorflow::Output output\n``` \n\nPublic functions\n----------------\n\n### LRN\n\n```gdscript\n LRN(\n const ::tensorflow::Scope & scope,\n ::tensorflow::Input input\n)\n``` \n\n### LRN\n\n```gdscript\n LRN(\n const ::tensorflow::Scope & scope,\n ::tensorflow::Input input,\n const LRN::Attrs & attrs\n)\n``` \n\n### node\n\n```gdscript\n::tensorflow::Node * node() const \n``` \n\n### operator::tensorflow::Input\n\n```gdscript\n operator::tensorflow::Input() const \n``` \n\n### operator::tensorflow::Output\n\n```gdscript\n operator::tensorflow::Output() const \n``` \n\nPublic static functions\n-----------------------\n\n### Alpha\n\n```text\nAttrs Alpha(\n float x\n)\n``` \n\n### Beta\n\n```text\nAttrs Beta(\n float x\n)\n``` \n\n### Bias\n\n```text\nAttrs Bias(\n float x\n)\n``` \n\n### DepthRadius\n\n```text\nAttrs DepthRadius(\n int64 x\n)\n```"]]