1

我最近想在 keras 中使用批量归一化来构建神经网络。正如原始论文中提到的,批量归一化在测试和训练时间的行为不同。我查看了文档:

keras.layers.BatchNormalization(axis=-1, momentum=0.99, epsilon=0.001, 
center=True, scale=True, beta_initializer='zeros', gamma_initializer='ones', 
moving_mean_initializer='zeros', moving_variance_initializer='ones', 
beta_regularizer=None, gamma_regularizer=None, beta_constraint=None, 
gamma_constraint=None)

我没有看到任何参数来判断它是处于训练阶段还是测试阶段,这与 tensorflow 的实现不同:

batch_norm(
inputs,
decay=0.999,
center=True,
scale=False,
epsilon=0.001,
activation_fn=None,
param_initializers=None,
param_regularizers=None,
updates_collections=tf.GraphKeys.UPDATE_OPS,
is_training=True,
reuse=None,
variables_collections=None,
outputs_collections=None,
trainable=True,
batch_weights=None,
fused=False,
data_format=DATA_FORMAT_NHWC,
zero_debias_moving_mean=False,
scope=None,
renorm=False,
renorm_clipping=None,
renorm_decay=0.99
)

我想知道在测试阶段如何在 keras 中实现批量标准化层?提前致谢。

4

1 回答 1

3

您不会在文档中找到任何有关训练 x 测试的信息。

Keras 将这些隐藏在其源代码中,其想法是:

  • 当您fit在模型中调用和类似时,keras 的行为就像在训练模式中一样;
  • 当你 calevaluatepredict其他人时,它的行为就像不在训练中一样。

如果您想找到该BatchNormalization层的这些差异,则必须检查其源代码。

我猜这里有一些关于它的东西。但我不会假装我很好理解:https ://github.com/fchollet/keras/blob/master/keras/layers/normalization.py#L170

于 2017-10-11T14:24:21.643 回答