TensorFlow2实现空间自适应归一化（Spatial Adaptive Normalization, SPADE

将首先在__init__构造函数中定义卷积层，如下所示：

class SPADE(layers.Layer):

def init(self, filters, epsilon=1e-5):

super(SPADE, self).init()

self.epsilon = epsilon

self.conv = layers.Conv2D(128, 3, padding=‘same’, activation=‘relu’)

self.conv_gamma = layers.Conv2D(filters, 3, padding=‘same’)

self.conv_beta = layers.Conv2D(filters, 3, padding=‘same’)

接下来，获得激活图尺寸，以在以后调整大小时使用：

def build(self, input_shape):

self.resize_shape = input_shape[1:3]

最后，在call()中将层和操作连接在一起，如下所示：

def call(self, input_tensor, raw_mask):

mask = tf.image.resize(raw_mask, self.resize_shape, method=‘nearest’)

x = self.conv(mask)

gamma = self.conv_gamma(x)

beta = self.conv_beta(x)

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

std = tf.sqrt(var+self.epsilon)

normalized = (input_tensor - mean) / std

output = gamma * normalized + beta

return output

接下来，我们将研究如何利用SPADE。

在残差网络中应用SPADE

---

最后，将研究如何将SPADE插入残差块中：

SPADE残差块中的基本构建块是SPADE-ReLU-Conv层。每个SPADE都接受两个输入——上一层的激活和语义分割图。

与标准残差块一样，有两个卷积ReLU层和一个跳跃路径。只要残差块之前和之后的通道数发生变化，就需要进行学习跳跃连接连接。发生这种情况时，前向路径中两个SPADE的输入处的激活图将具有不同的尺寸。但是，我们已经在SPADE块中内置了调整大小的功能。以下是用于SPADE残差块构建所需图层的代码：

class Resblock(layers.Layer):

def init(self, filters):

super(Resblock, self).init()

self.filters = filters

def build(self, input_shape):

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）

现在能在网上找到很多很多的学习资源，有免费的也有收费的，当我拿到1套比较全的学习资源之前，我并没着急去看第1节，我而是去审视这套资源是否值得学习，有时候也会去问一些学长的意见，如果可以之后，我会对这套学习资源做1个学习计划，我的学习计划主要包括规划图和学习进度表。

分享给大家这份我薅到的免费视频资料，质量还不错，大家可以跟着学习

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！

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！**
[外链图片转存中…(img-yWvQpNOZ-1712446737434)]