instanceNormalizationLayer
实例的归一化层
描述
实例规范化层为每个观察独立地跨每个通道规范化一个小批数据。为了提高卷积神经网络训练的收敛性和降低对网络超参数的敏感性,在卷积层和非线性层之间使用实例归一化层,如ReLU层。
归一化后,该层用一个可学习的比例因子缩放输入γ平移一个可学习的偏移量β.
创建
属性
例子
算法
实例规范化操作对元素进行规范化x我通过先计算均值来计算输入μ我和方差σ我2在每个观测的每个通道的空间和时间维度上独立。然后,它计算归一化激活为
在哪里ϵ是一个常数,当方差非常小时,它可以提高数值的稳定性。
为了考虑均值和单位方差为零的输入对于实例归一化之后的操作不是最优的可能性,实例归一化操作使用转换进一步转移和扩展激活
的偏移量β和规模因素γ是在网络训练过程中更新的可学习参数。
版本历史
介绍了R2021a