local_response_norm¶
- paddle.nn.functional. local_response_norm ( x, size, alpha=1e-4, beta=0.75, k=1., data_format='NCHW', name=None ) [源代码] ¶
局部响应正则化(Local Response Normalization)用于对局部输入区域进行正则化,执行一种侧向抑制(lateral inhibition)。更多详情参考:ImageNet Classification with Deep Convolutional Neural Networks
其中 input
是 mini-batch 的输入特征。计算过程如下:
在以上公式中:
\(size\):累加的通道数
\(k\):位移
\(\alpha\):缩放参数
\(\beta\):指数参数
参数¶
x (Tensor)- 输入的三维/四维/五维 Tensor,数据类型为:float32。
size (int) - 累加的通道数。
alpha (float,可选)- 缩放参数,正数。默认值为 1e-4。
beta (float,可选)- 指数,正数。默认值为 0.75。
k (float,可选)- 位移,正数。默认值为 1.0。
data_format (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。如果输入是三维 Tensor,该参数可以是"NCL"或"NLC",其中 N 是批尺寸,C 是通道数,L 是特征长度。如果输入是四维 Tensor,该参数可以是"NCHW"或"NHWC",其中 N 是批尺寸,C 是通道数,H 是特征高度,W 是特征宽度。如果输入是五维 Tensor,该参数可以是"NCDHW"或"NDHWC",其中 N 是批尺寸,C 是通道数,D 是特征深度,H 是特征高度,W 是特征宽度。默认值:"NCHW"。
name (str,可选) - 具体用法请参见 Name,一般无需设置,默认值为 None。
返回¶
局部响应正则化得到的输出特征,数据类型及维度和 input 相同的 Tensor 。
代码示例¶
import paddle
x = paddle.rand(shape=(3, 3, 112, 112), dtype="float32")
y = paddle.nn.functional.local_response_norm(x, size=5)
print(y.shape) # [3, 3, 112, 112]