lrn

paddle.fluid.layers.lrn ( input, n\=5, k\=1.0, alpha\=0.0001, beta\=0.75, name\=None, data_format\=’NCHW’ ) [源代码]

该OP实现了局部响应正则化层（Local Response Normalization Layer），用于对局部输入区域正则化，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：

lrn - 图1

在以上公式中：

  • lrn - 图2

    ：累加的通道数

  • lrn - 图3

    ：位移

  • αα ： 缩放参数

  • ββ ： 指数参数

参数：

  • input （Variable）- 输入特征，形状为[N,C,H,W]或者[N,H,W,C]的4D-Tensor，其中N为batch大小，C为输入通道数，H为特征高度，W为特征宽度。必须包含4个维度，否则会抛出 ValueError 的异常。数据类型为float32。

  • n (int，可选） - 累加的通道数，默认值为5。

  • k （float，可选）- 位移，正数。默认值为1.0。

  • 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。

  • name (None|str) – 该参数供开发人员打印调试信息时使用，具体用法请参见 Name ，默认值为None。

  • 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，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。默认值：”NCHW”。

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。

返回类型：Variable

抛出异常:

  • ValueError : 如果输入不是4-D Tensor。

  • ValueError - 如果 data_format 不是”NCHW”或者”NHWC”。

代码示例：

  1. import paddle.fluid as fluid
  2. data = fluid.layers.data(
  3.     name="data", shape=[3, 112, 112], dtype="float32")
  4. lrn = fluid.layers.lrn(input=data)
  5. print(lrn.shape)  # [-1, 3, 112, 112]
  6. print(lrn.dtype)  # float32