affine_channel¶
- paddle.fluid.layers. affine_channel ( x, scale=None, bias=None, data_layout='NCHW', name=None, act=None ) [源代码] ¶
对输入的每个 channel 应用单独的仿射变换。用于将空间批量归一化替换为其等价的固定变换。
输入也可以是二维张量,并在第二维应用仿射变换。
参数¶
x (Variable):特征图输入可以是一个具有NCHW格式或NHWC格式的的4-D张量。它也可以是二维张量,此时该算法应用于第二维度的仿射变换。数据类型为float32或float64。
scale (Variable):维度为(C)的一维输入,第C个元素为输入的第C通道仿射变换的尺度因子。数据类型为float32或float64。
bias (Variable):维度为(C)的一维输入,第C个元素是输入的第C个通道的仿射变换的偏置。数据类型为float32或float64。
data_layout (str,可选):指定输入的数据格式,输出的数据格式将与输入保持一致,可以是"NCHW"和"NHWC"。N是批尺寸,C是通道数,H是特征高度,W是特征宽度。如果输入是一个2D张量,可以忽略该参数,默认值为"NCHW"。
name (str,可选) - 具体用法请参见 Name,一般无需设置,默认值为 None。
act (str,可选):应用于该层输出的激活函数,默认值为None。
返回¶
与x具有相同维度和数据布局的张量,数据类型与x相同
返回类型¶
Variable
代码示例¶
import numpy as np
import paddle.fluid as fluid
import paddle.fluid as fluid
import paddle
paddle.enable_static()
use_gpu = False
place = fluid.CUDAPlace(0) if use_gpu else fluid.CPUPlace()
exe = fluid.Executor(place)
data = fluid.data(name='data', shape=[None, 1, 2, 2], dtype='float32')
input_scale = fluid.layers.create_parameter(shape=[1], dtype="float32",
default_initializer=fluid.initializer.Constant(2.0))
input_bias = fluid.layers.create_parameter(shape=[1],dtype="float32",
default_initializer=fluid.initializer.Constant(0.5))
out = fluid.layers.affine_channel(data,scale=input_scale,
bias=input_bias)
exe.run(fluid.default_startup_program())
test_program = fluid.default_main_program().clone(for_test=True)
[out_array] = exe.run(test_program,
fetch_list=out,
feed={'data': np.ones([1,1,2,2]).astype('float32')})
# out_array is [[[[2.5, 2.5],
# [2.5, 2.5]]]] with shape: [1, 1, 2, 2]