mindspore.ops.lrn

mindspore.ops.lrn(x, 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：

x (Tensor) - 数据类型为float16或float32的四维Tensor。
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”。

返回：

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：

>>> input_x = Tensor(np.array([[[[0.1], [0.2]],
...                       [[0.3], [0.4]]]]), mindspore.float32)
>>> output = ops.lrn(input_x)
>>> print(output)
[[[[0.09534626]
   [0.1825742 ]]
  [[0.2860388 ]
   [0.3651484 ]]]]