mindspore.ops.LRN
- class mindspore.ops.LRN(depth_radius=5, bias=1.0, alpha=1.0, beta=0.5, norm_region='ACROSS_CHANNELS')[源代码]
局部响应归一化操作LRN(Local Response Normalization)。
\[b_{c} = a_{c}\left(k + \frac{\alpha}{n} \sum_{c'=\max(0, c-n/2)}^{\min(N-1,c+n/2)}a_{c'}^2\right)^{-\beta}\]其中 \(a_{c}\) 表示特征图中 \(c\) 对应的具体像素值; \(n/2\) 为参数 depth_radius ; \(k\) 为参数 bias ; \(\alpha\) 为参数 alpha ; \(\beta\) 为参数 beta 。
参数:
depth_radius (int) - 一维归一化窗口的半宽。默认值:5。
bias (float) - 偏移量(通常为正以避免除零问题)。默认值:1.0。
alpha (float) - 比例系数,通常为正。默认值:1.0。
beta (float) - 指数。默认值:0.5。
norm_region (str) - 指定归一化区域。可选值:”ACROSS_CHANNELS”。默认值:”ACROSS_CHANNELS”。
输入:
x (Tensor) - 数据类型为float16或float32的4维Tensor。
输出:
Tensor,与 x 的shape和数据类型相同。
异常:
TypeError - depth_radius 不是int类型。
TypeError - bias 、 alpha 或 beta 不是float类型。
TypeError - norm_region 不是str。
TypeError - x 不是Tensor。
- 支持平台:
Ascend
GPU
CPU
样例:
>>> x = Tensor(np.array([[[[0.1], [0.2]], ... [[0.3], [0.4]]]]), mindspore.float32) >>> lrn = ops.LRN() >>> output = lrn(x) >>> print(output) [[[[0.09534626] [0.1825742 ]] [[0.2860388 ] [0.3651484 ]]]]