python - Tensorflow 中的正确批量归一化功能是什么？

Question

在 tensorflow 1.4 中，我发现了两个进行批量标准化的函数，它们看起来一样：

1. tf.layers.batch_normalization（链接）
2. tf.contrib.layers.batch_norm（链接）

我应该使用哪个功能？哪个更稳定？

Answer 1

只是为了添加到列表中，还有更多方法可以在 tensorflow 中进行批处理规范：

• tf.nn.batch_normalization是一个低级操作。调用者负责自己处理mean和variance张量。
• tf.nn.fused_batch_norm是另一个低级操作，与前一个类似。不同之处在于它针对 4D 输入张量进行了优化，这是卷积神经网络中的常见情况。tf.nn.batch_normalization接受任何秩大于 1 的张量。
• tf.layers.batch_normalization是对先前操作的高级包装。最大的区别在于它负责创建和管理运行均值和方差张量，并在可能的情况下调用快速融合操作。通常，这应该是您的默认选择。
• tf.contrib.layers.batch_norm是批处理规范的早期实现，在它升级到核心 API（即tf.layers）之前。不推荐使用它，因为它可能会在未来的版本中被删除。
• tf.nn.batch_norm_with_global_normalization是另一个已弃用的操作。目前，将调用委托给tf.nn.batch_normalization，但将来可能会被丢弃。
• 最后，还有 Keras 层keras.layers.BatchNormalization，在 tensorflow 后端调用的情况下tf.nn.batch_normalization。

Answer 2

如doc所示，tf.contrib是一个包含易失性或实验性代码的贡献模块。完成function后，将从该模块中删除。现在有两个，为了兼容历史版本。

所以推荐前者tf.layers.batch_normalization。