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:
-
形状为 (10, C) 的 β \beta β 和 γ \gamma γ,其中 C 是激活通道数。
-
(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)
self.moving_var.assign(self.decay * self.moving_var + (1-self.decay)*var)
output = tf.nn.batch_normalization(x, mean, var, beta, gamma, self.eps)
else:
output = tf.nn.batch_normalization(x, self.moving_mean, self.moving_var, beta, gamma, self.eps)
return output
条件批归一化的使用方式与批归一化相同,作为示例,现在我们将条件批归一化添加到残差块中:
class ResBlock(Layer):
def build(self, input_shape):
input_filter = input_shape[-1]
self.conv_1 = Conv2D(self.filters, 3, padding=‘same’, name=‘conv2d_1’)
self.conv_2 = Conv2D(self.filters, 3, padding=‘same’, name=‘conv2d_2’)
self.cbn_1 = ConditionBatchNorm(self.n_class)
self.cbn_2 = ConditionBatchNorm(self.n_class)
self.learned_skip = False
if self.filters != input_filter:
self.learned_skip = True
self.conv_3 = Conv2D(self.filters, 1, padding=‘same’, name=‘conv2d_3’)
self.cbn_3 = ConditionBatchNorm(self.n_class)
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%以上前端开发知识点,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,可以扫码获取!!!(备注:Python)
程,基本涵盖了95%以上前端开发知识点,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,可以扫码获取!!!(备注:Python)