规范化数据分组为每个独立观测通道的子集
集团标准化操作可实现输入数据分组为每个独立观测通道的子集。加快卷积神经网络的训练,减少对网络的初始化,使用组规范化卷积和非线性等操作线性整流函数(Rectified Linear Unit)
。
正常化后,操作改变输入可学的抵消β可学的比例因子和尺度γ。
的groupnorm
功能应用规范化操作dlarray
数据。使用dlarray
更易于处理高维数据的对象允许您标签的尺寸。例如,您可以标签尺寸对应于空间,时间,频道,使用批处理维度“S”
,“T”
,“C”
,“B”
标签,分别。未指明的和其他维度,使用“U”
标签。为dlarray
对象的函数操作特定的尺寸,你可以指定尺寸标签的格式dlarray
直接对象,或通过使用DataFormat
选择。
请注意
应用标准化组内layerGraph
对象或层
数组,使用groupNormalizationLayer
。
集团标准化操作适用于输入数据海底
= groupnorm (dlX
,numGroups
,抵消
,scaleFactor
)dlX
使用指定的组数和转换它使用指定的偏移量和比例因子。
函数可实现分组的子集“C”
(频道)维度和“年代”
(空间),“T”
(时间)“U”
(不明)的尺寸dlX
为每一个观察的“B”
独立(批)维度。
无格式的输入数据,使用“DataFormat”
选择。
集团标准化操作适用于非格式化海底
= groupnorm (dlX
,numGroups
,抵消
,scaleFactor
、“DataFormat”FMT)dlarray
对象dlX
带格式的规定FMT
。输出海底
是一个非格式化dlarray
对象维度的顺序一样dlX
。例如,“DataFormat”、“SSCB”
指定数据为二维图像输入格式“SSCB”
(空间、空间、通道、批)。
集团标准化操作可实现元素x我的输入,首先计算的意思μG和方差σG2在空间、时间和分组为每个独立观测通道尺寸的子集。然后,计算归一化激活
在哪里ϵ是一个常数,提高数值稳定时方差很小。允许输入的可能性为零均值和单位方差不是最佳的操作遵循集团标准化组织规范化操作进一步转变和尺度转换激活使用
的偏移量β和规模因素γ在网络训练可学的参数更新。
[1],宇新,他和开明。“组织正常化。2018年6月11日,“预印本提交。https://arxiv.org/abs/1803.08494。
线性整流函数(Rectified Linear Unit)
|fullyconnect
|dlconv
|dlarray
|dlgradient
|dlfeval
|batchnorm
|layernorm
|instancenorm