frn

本文介绍了FRN(Filter Response Normalization),一种消除深度学习模型对batch依赖的归一化方法。与BN和GN相比,FRN在小batch尺寸下也能保持稳定性能,并在某些场景下优于BN。FRN不依赖batch统计,其归一化过程不减去均值,而是使用二次范数的平均值,且结合了Thresholded Linear Unit(TLU)激活层,以解决归一化后可能产生的0值问题。
摘要由CSDN通过智能技术生成

Filter Response Normalization

测试的比bn小,但是精度好像没有bn高

分1d 2d :

代码中有个错误,keepdims应该是keepdim

https://github.com/tattaka/Filter-Response-Normalization-PyTorch/blob/master/filter_response_normalization/filter_response_normalize.py
 

这个稍微全点:

目标检测效果没有变好

https://github.com/yukkyo/PyTorch-FilterResponseNormalizationLayer/blob/master/frn.py

 

这个比上面简单点,一个参数:

https://github.com/knjcode/filter-response-normalization-layer-pytorch/blob/master/frn_layer/frn_layer.py

 


                
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

AI算法网奇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值