Keras 3 API 文档 / 层 API / 归一化层 / GroupNormalization 层

GroupNormalization 层

[源代码]

GroupNormalization

keras.layers.GroupNormalization(
    groups=32,
    axis=-1,
    epsilon=0.001,
    center=True,
    scale=True,
    beta_initializer="zeros",
    gamma_initializer="ones",
    beta_regularizer=None,
    gamma_regularizer=None,
    beta_constraint=None,
    gamma_constraint=None,
    **kwargs
)

组归一化层。

组归一化将通道划分为组,并在每组内计算均值和方差进行归一化。经验表明,在各种小批量大小下,如果学习率随批量大小线性调整,其精度比批量归一化更稳定。

与层归一化的关系:如果组数设置为 1,则此操作几乎等同于层归一化(详见层归一化文档)。

与实例归一化的关系:如果组数设置为输入维度(即组数等于通道数),则此操作等同于实例归一化。可以通过设置 groups=-1 来实现。

参数

  • groups:整数,组归一化的组数。范围为 [1, N],其中 N 是输入维度。输入维度必须能被组数整除。默认为 32。
  • axis:整数或列表/元组。进行归一化的轴。通常是特征轴。未指定的轴通常是批处理轴。-1 表示输入的最后一个维度。默认为 -1
  • epsilon:用于避免除以零而添加到方差的微小浮点数。默认为 1e-3。
  • center:布尔值,如果为 True,则将 beta 偏移量添加到归一化张量。如果为 False,则忽略 beta。默认为 True
  • scale:布尔值,如果为 True,则乘以 gamma。如果为 False,则不使用 gamma。当下一层是线性层(例如 relu)时,可以禁用此选项,因为缩放将由下一层完成。默认为 True
  • beta_initializer:beta 权重的初始化器。默认为零初始化器。
  • gamma_initializer:gamma 权重的初始化器。默认为一初始化器。
  • beta_regularizer:beta 权重的可选正则化器。默认为 None。
  • gamma_regularizer:gamma 权重的可选正则化器。默认为 None。
  • beta_constraint:beta 权重的可选约束。默认为 None。
  • gamma_constraint:gamma 权重的可选约束。默认为 None。 # 输入形状 任意。将此层用作模型的第一个层时,请使用关键字参数 input_shape(整数元组,不包含样本轴)。 # 输出形状 与输入形状相同。
  • **kwargs:Base 层关键字参数(例如 namedtype)。

参考