GroupNormalization 层
GroupNormalization 类
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
)
组标准化层。
组标准化层将通道分成组，并在每个组内计算用于标准化的均值和方差。在经验上，如果学习率随批次大小线性调整，则其准确性在各种较小的批次大小下比批次标准化更稳定。
与层标准化的关系：如果组数设置为 1，则此操作几乎与层标准化相同（有关详细信息，请参阅层标准化文档）。
与实例标准化的关系：如果组数设置为输入维度（组数等于通道数），则此操作与实例标准化相同。可以通过 groups=-1 来实现。
参数
- groups：整数，组标准化的组数。可以在
[1, N]范围内，其中 N 是输入维度。输入维度必须能够被组数整除。默认为 32。 - axis：整数或列表/元组。要标准化的轴或多个轴。通常，这是特征轴/多个轴。剩余的轴通常是批次轴/多个轴。-1 是输入中的最后一个维度。默认为
-1。 - epsilon：添加到方差中的小浮点数，以避免除以零。默认为 1e-3。
- center：如果为
True，则将beta的偏移量添加到标准化张量中。如果为False，则忽略beta。默认为True。 - scale：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。
- gamma_initializer：gamma 权重的初始化器。默认为一。
- 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。在模型中将此层用作第一层时，使用关键字参数
input_shape（整数元组，不包括样本轴）。 # 输出形状 与输入形状相同。 - **kwargs：基础层关键字参数（例如
name和dtype）。
参考文献