5

如何设置 Keras 的批量标准化层的权重?

我对文档有点困惑

weights:初始化权重。2 个 Numpy 数组的列表,形状为:[(input_shape,), (input_shape,)] 请注意,此列表的顺序为 [gamma, beta, mean, std]

我们需要所有四个 [gamma, beta, mean, std] 吗?有没有办法只使用 [gamma, beta] 来设置权重?

4

1 回答 1

4

是的,您需要所有四个值。回想一下批量标准化的作用。它的目标是对进入每一层的输入进行归一化(即均值 = 0 和标准差 = 1)。为此,您需要(mean, std). 因此,归一化激活可以看作是进行线性变换的子网络的输入:

y = gamma*x_norm + beta

(gamma, beta)非常重要,因为它们(mean,std)在某种意义上是互补的,(gamma, beta)有助于从规范化的激活中恢复原始激活。如果您不这样做或更改任何一个参数而不考虑其他参数,则可能会更改激活的语义含义。现在可以使用下一层处理这些原始激活。对所有层重复此过程。

编辑:

另一方面,我认为值得尝试首先计算大量图像的均值和标准差,并将输入作为均值和标准差。请注意,您正在计算的图像均值和标准值来自与训练数据相同的分布。我认为这应该起作用,因为批量标准化通常有两种计算平均值的模式,一种是在批次上保持运行平均值,另一种是全局平均值(至少在 Caffe 中,请参见此处)。

于 2017-03-14T19:10:54.347 回答