spectral_norm

paddle.static.nn. spectral_norm ( weight, dim=0, power_iters=1, eps=1e-12, name=None ) [源代码]

Spectral Normalization Layer

该 OP 用于计算了 fc、conv1d、conv2d、conv3d 层的权重参数的谱正则值，输入权重参数应分别为 2-D, 3-D, 4-D, 5-D 张量，输出张量与输入张量 shape 相同。谱特征值计算方式如下。

步骤 1：生成形状为[H]的向量 U，以及形状为[W]的向量 V，其中 H 是输入权重张量的第 dim 个维度，W 是剩余维度的乘积。

步骤 2： power_iters 应该是一个正整数，用 U 和 V 迭代计算 power_iters 轮，迭代步骤如下。

\[\begin{split}\mathbf{v} &:= \frac{\mathbf{W}^{T} \mathbf{u}}{\|\mathbf{W}^{T} \mathbf{u}\|_2}\\ \mathbf{u} &:= \frac{\mathbf{W}^{T} \mathbf{v}}{\|\mathbf{W}^{T} \mathbf{v}\|_2}\end{split}\]

步骤 3：计算 \(\sigma(\mathbf{W})\) 并特征值值归一化。

\[\begin{split}\sigma(\mathbf{W}) &= \mathbf{u}^{T} \mathbf{W} \mathbf{v}\\ \mathbf{W} &= \frac{\mathbf{W}}{\sigma(\mathbf{W})}\end{split}\]

论文参考：Spectral Normalization

参数

  • weight (Tensor) - spectral_norm 算子的输入权重张量，可以是 2-D, 3-D, 4-D, 5-D Tensor，它是 fc、conv1d、conv2d、conv3d 层的权重，数据类型为 float32 或 float64。

  • dim (int，可选) - 将输入（weight）重塑为矩阵之前应排列到第一个的维度索引，如果 input（weight）是 fc 层的权重，则应设置为 0；如果 input（weight）是 conv 层的权重，则应设置为 1，默认为 0。

  • power_iters (int，可选) - 将用于计算 spectral norm 的功率迭代次数，默认值 1。

  • eps (float，可选) - epsilon 用于保证计算规范中的数值稳定性，分母会加上 eps 防止除零，默认 1e-12。

  • 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

Tensor，谱正则化后权重张量，维度和数据类型与输入 weight 一致。

代码示例

import paddle

paddle.enable_static()
weight = paddle.static.data(name='weight', shape=[2, 8, 32, 32], dtype='float32')
x = paddle.static.nn.spectral_norm(weight=weight, dim=1, power_iters=2)
print(x.shape) # [2, 8, 32, 32]