tf.keras.layers.BatchNormalization

该博客介绍了TensorFlow Keras库中的BatchNormalization层,它用于进行批标准化操作。在训练过程中,该层应用公式进行数据处理,并在推断时使用计算出的均值和方差。通过调整epsilon、gamma和beta参数,可以控制归一化和偏移的过程。在训练时,gamma和beta是可学习的,而在推断时,层会返回固定的标准化输出。
摘要由CSDN通过智能技术生成

tf.keras.layers.BatchNormalization

  1. 批归一化
  2. 批标准化
tf.keras.layers.BatchNormalization(
    axis=-1, momentum=0.99, epsilon=0.001, center=True, scale=True,
    beta_initializer='zeros', gamma_initializer='ones',
    moving_mean_initializer='zeros',
    moving_variance_initializer='ones', beta_regularizer=None,
    gamma_regularizer=None, beta_constraint=None, gamma_constraint=None,
    renorm=False, renorm_clipping=None, renorm_momentum=0.99, fused=None,
    trainable=True, virtual_batch_size=None, adjustment=None, name=None, **kwargs
)

keras的这个接口实现的是下面的公式

 

在训练的时候

  1. the layer returns (batch - mean(batch)) / (var(batch) + epsilon
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 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
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