|
- mindspore.nn.InstanceNorm2d
- ============================
-
- .. py:class:: mindspore.nn.InstanceNorm2d(num_features, eps=1e-5, momentum=0.1, affine=True, gamma_init='ones', beta_init='zeros')
-
- 对四维输入实现实例归一化层（Instance Normalization Layer）。
-
- 该层在四维输入（带有额外通道维度的mini-batch 二维输入）上应用实例归一化，详见论文 `Instance Normalization:
- The Missing Ingredient for Fast Stylization <https://arxiv.org/abs/1607.08022>`_ 。
- 使用mini-batch数据和学习参数进行训练，参数见如下公式。
-
- .. math::
- y = \frac{x - \mathrm{E}[x]}{\sqrt{\mathrm{Var}[x] + \epsilon}} * \gamma + \beta
-
- 其中\gamma和\beta是可学习的参数向量，如果affine为True，则大小为num_features。通过偏置估计器计算标准偏差。
-
- 此层使用从训练和验证模式的输入数据计算得到的实例数据。
-
- InstanceNorm2d和BatchNorm2d非常相似，但略有不同。InstanceNorm2d应用于RGB图像等信道数据的每个信道，而BatchNorm2d通常应用于batch数据的每一批。
-
- .. note::
- 需要注意的是，更新running_mean和running_var的公式为 :math:`\hat{x}_\text{new} = (1 - \text{momentum}) \times x_t + \text{momentum} \times \hat{x}` ,其中 :math:`\Hat{x}` 是估计的统计量， :math:`x_t` 是新的观察值。
-
- **参数：**
-
- - **num_features** (int) - 指明输入Tensor的通道数量。
- - **eps** (float) - 添加到分母中的值，以确保数值稳定。默认值：1e-5。
- - **momentum** (float) - 动态均值和动态方差所使用的动量。默认值：0.1。
- - **affine** (bool) - bool类型。设置为True时，可以学习gamma和beta参数。默认值：True。
- - **gamma_init** (Union[Tensor, str, Initializer, numbers.Number]) - gamma参数的初始化方法。str的值引用自函数 `initializer` ，包括'zeros'、'ones'等。默认值：'ones'。
- - **beta_init** (Union[Tensor, str, Initializer, numbers.Number]) - beta参数的初始化方法。str的值引用自函数 `initializer` ，包括'zeros'、'ones'等。默认值：'zeros'。
-
- **输入：**
-
- - **x** (Tensor) - shape为 :math:`(N, C, H, W)` 的Tensor。数据类型为float16或float32。
-
- **输出：**
-
- Tensor，归一化，缩放，偏移后的Tensor，其shape为 :math:`(N, C, H, W)` 。类型和shape与 `x` 相同。
-
- **异常：**
-
- - **TypeError** - `num_features` 不是整数。
- - **TypeError** - `eps` 不是float。
- - **TypeError** - `momentum` 不是float。
- - **TypeError** - `affine` 不是bool。
- - **TypeError** - `gamma_init` / `beta_init` 的类型不相同，或者初始化的元素类型不是float32。
- - **ValueError** - `num_features` 小于1。
- - **ValueError** - `momentum` 不在范围[0, 1]内。
- - **KeyError** - `gamma_init` / `beta_init` 中的任何一个是str，并且不存在继承自 `Initializer` 的同义类。
-
|
