BatchNormalizationLayer

BatchNormalizationLayer[]

表示通过学习数据均值和方差可使输入数据归一化的可训练网层.

更多信息和选项

范例

打开所有单元关闭所有单元

基本范例  (2)

创建一个 BatchNormalizationLayer：

创建一个接受向量并返回向量的已初始化的 BatchNormalizationLayer：

把该层应用于输入向量：

范围  (4)

Ports  (2)

创建一个接受 3 阶数组并返回 3 阶数组的已初始化的 BatchNormalizationLayer：

创建一个接受向量并返回向量的已初始化的 BatchNormalizationLayer：

把该层应用于一批输入向量中：

使用 NetEvaluationMode 来使用 BatchNormalizationLayer 的训练行为：

Parameters  (2)

"Biases"  (1)

创建一个带有 "Biases" 参数初始值的 BatchNormalizationLayer：

提取 "Biases" 参数：

由 NetInitialize 选择的 "Biases" 默认值是零向量：

"Scaling"  (1)

创建一个已初始化的 BatchNormalizationLayer，其中设 "Scaling" 参数为零，"Biases" 参数设为自定义的值：

把该层应用于任何输入，返回 "Biases" 参数的值：

NetInitialize 选择的 "Scaling" 默认值是 1 的向量：

选项  (2)

"Epsilon"  (1)

创建一个带有明确指定 "Epsilon" 参数的 BatchNormalizationLayer：

提取 "Epsilon" 参数：

"Momentum"  (1)

创建一个 BatchNormalizationLayer，其中明确指定 "Momentum" 参数：

提取 "Momentum" 参数：

应用  (1)

BatchNormalizationLayer 通常被插入在 ConvolutionLayer 和它的激活函数之间，以稳定并加速训练：

属性和关系  (1)

在一般的运算中，BatchNormalizationLayer 计算以下函数：

在含有一个通道的向量实例上运行 BatchNormalizationLayer：

手动计算，得到同样的结果：

可能存在的问题  (3)

指定 "MovingVariance" 参数的负值，在计算时会导致数值错误：

BatchNormalizationLayer 不可以被初始化，直到知道其所有的输入和输出维数：

不能共享 BatchNormalizationLayer 的 "MovingMean" 和 "MovingVariance" 数组：

创建具有共享数组的 BatchNormalizationLayer：

在一些数据上训练：

提取训练过的批量归一化层：

"Scaling" 和 "Biases" 数组被共享，但 "MovingMean" 或 "MovingVariance" 数组没有：

Wolfram Research (2016)，BatchNormalizationLayer，Wolfram 语言函数，https://reference.wolfram.com/language/ref/BatchNormalizationLayer.html （更新于 2020 年）.

文本

Wolfram Research (2016)，BatchNormalizationLayer，Wolfram 语言函数，https://reference.wolfram.com/language/ref/BatchNormalizationLayer.html （更新于 2020 年）.

CMS

Wolfram 语言. 2016. "BatchNormalizationLayer." Wolfram 语言与系统参考资料中心. Wolfram Research. 最新版本 2020. https://reference.wolfram.com/language/ref/BatchNormalizationLayer.html.

APA

Wolfram 语言. (2016). BatchNormalizationLayer. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/BatchNormalizationLayer.html 年

BibTeX

@misc{reference.wolfram_2024_batchnormalizationlayer, author="Wolfram Research", title="{BatchNormalizationLayer}", year="2020", howpublished="\url{https://reference.wolfram.com/language/ref/BatchNormalizationLayer.html}", note=[Accessed: 19-December-2024 ]}

BibLaTeX

@online{reference.wolfram_2024_batchnormalizationlayer, organization={Wolfram Research}, title={BatchNormalizationLayer}, year={2020}, url={https://reference.wolfram.com/language/ref/BatchNormalizationLayer.html}, note=[Accessed: 19-December-2024 ]}