TensorFlow实现条件批归一化（Conditional Batch Normalization(3)

其中，均值 µ µ µ 和标准差 σ σ σ 是在 (N, H, W) 维度上进行计算的，每个规范化层只有一个仿射变换参数对 γ γ γ 和 β β β，它们是在训练时网络自己学习得到的。

但是在生成对抗网络 (Generative Adversarial Networks, GAN) 中使用 BN 会导致生成图片在一定程度上出现同质化的缺点。例如，在 CIFAR10 数据集中，有10类图片：6种是动物(分别为：鸟，猫，鹿，狗，青蛙和马)，4种是交通工具(分别是：飞机，汽车，轮船和卡车)。显然，不同类别的图片在外观上看起来截然不同——交通往往具有坚硬而笔直的边缘，而动物倾向于具有弯曲的边缘和较柔和的纹理。

在风格迁移中我们已经了解了，激活的统计数据决定了图像样式。因此，混合批统计信息可以创建看上去有点像动物同时也有点像交通工具(例如，汽车形状的猫)的图像。这是因为批归一化在由不同类别图片组成的整个批次中仅使用一个 γ \gamma γ 和一个 β \beta β。如果每种类别都有一个 γ \gamma γ 和一个 β \beta β，则该问题得以解决，而这正是条件批规范化的意义所在。每个类别有一个 γ \gamma γ 和一个 β \beta β，因此CIFAR10中的10个类别每层有10个 γ \gamma γ 和10个 β \beta β。

TensorFlow实现条件批归一化

---

现在，我们可以构造条件批处理规范化所需的变量，如下所示：

1. 形状为 (10, C) 的 β \beta β 和 γ \gamma γ，其中 C 是激活通道数。

2. (1, 1, 1, C) 形状的游动均值和方差。在训练中，均值和方差是从小批次计算得出的。在推论过程中，我们使用训练中累积的移动均值。它们的形状使算术运算可以广播到 N，H 和 W 维度。

利用自定义层实现条件批归一化，首先创建所需变量：

class ConditionBatchNorm(Layer):

def build(self, input_shape):

self.input_size = input_shape

n, h, w, c = input_shape

self.gamma = self.add_weight(shape=[self.n_class, c],

initializer=‘zeros’, trainable=True, name=‘gamma’)

self.moving_mean = self.add_weight(shape=[1, 1, 1, c],

initializer=‘zeros’, trainable=False, name=‘moving_mean’)

self.moving_var = self.add_weight(shape=[1, 1, 1, c],

initializer=‘zeros’, trainable=False, name=‘moving_var’)

当运行条件批归一化时，为标签检索正确的 β \beta β 和 γ \gamma γ。这是使用 tf.gather(self.beta, labels) 完成的，它在概念上等效于 beta = self.beta[labels]，如下所示：

def call(self, x, labels, trainable=False):

beta = tf.gather(self.beta, labels)

beta = tf.expand_dims(beta, 1)

gamma = tf.gather(self.gamma, labels)

gamma = tf.expand_dims(gamma, 1)

if training:

mean, var = tf.nn.moments(x, axes=(0,1,2), keepdims=True)

self.moving_mean.assign(self.decay * self.moving_mean + (1-self.decay)*mean)

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Python开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注Python）

一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。

二、Python必备开发工具

工具都帮大家整理好了，安装就可直接上手！

三、最新Python学习笔记

当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。

四、Python视频合集

观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

五、实战案例

纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

六、面试宝典

简历模板

一个人可以走的很快，但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎扫码加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

以走的很快，但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎扫码加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！**
[外链图片转存中…(img-lXOdnznI-1712446883248)]