BatchNorm3D

    该接口用于构建 BatchNorm3D 类的一个可调用对象，具体用法参照 。可以处理4D的Tensor, 实现了批归一化层（Batch Normalization Layer）的功能，可用作卷积和全连接操作的批归一化函数，根据当前批次数据按通道计算的均值和方差进行归一化。更多详情请参考 : Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift

    当训练时

    和

    BatchNorm3D - 图2

    是minibatch的统计数据。计算公式如下：

    • BatchNorm3D - 图4

      : 批输入数据

    当预测时，track_running_stats = True

    BatchNorm3D - 图6

    和 σ2βσβ2 是全局（或运行）统计数据（moving_mean和moving_variance），通常来自预先训练好的模型。计算公式如下：

    moving_mean\=moving_mean∗momentum+μβ∗(1.−momentum)moving_variance\=moving_variance∗momentum+σ2β∗(1.−momentum)//globalmean//globalvariancemoving_mean\=moving_mean∗momentum+μβ∗(1.−momentum)//globalmeanmoving_variance\=moving_variance∗momentum+σβ2∗(1.−momentum)//globalvariance

    归一化函数公式如下：

    xi^yi←xi−μβσ2β+ϵ‾‾‾‾‾‾√←γxi^+β//normalize//scale−and−shiftxi^←xi−μβσβ2+ϵ//normalizeyi←γxi^+β//scale−and−shift

    • ϵϵ : 添加较小的值到方差中以防止除零

    • γγ : 可训练的比例参数

    参数：

    • epsilon (float, 可选) - 为了数值稳定加在分母上的值。默认值：1e-05。

    • momentum (float, 可选) - 此值用于计算 和 moving_var 。默认值：0.9。更新公式如上所示。

    • weight_attr (ParamAttr|bool, 可选) - 指定权重参数属性的对象。如果为False, 则表示每个通道的伸缩固定为1，不可改变。默认值为None，表示使用默认的权重参数属性。具体用法请参见 cn_api_ParamAttr 。

    • data_format (string, 可选) - 指定输入数据格式，数据格式可以为“NCDHW”。默认值：“NCDHW”。

    • name (string, 可选) – BatchNorm的名称, 默认值为None。更多信息请参见 。

    返回：无

    形状：

    • input: 形状为（批大小，通道数, 维度，高度，宽度）的5-D Tensor。

    • output: 和输入形状一样。

    代码示例