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

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)

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

在残差块中应用条件批归一化

---

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）