batch_norm

批正则化层（Batch Normalization Layer）

可用作卷积和全连接操作的批正则化函数，根据当前批次数据按通道计算的均值和方差进行正则化。该层需要的数据格式如下：

1.NHWC[batch,in_height,in_width,in_channels] 2.NCHW[batch,in_channels,in_height,in_width]

更多详情请参考 :

input 是mini-batch的输入。

moving_mean和moving_var是训练过程中统计得到的全局均值和方差，在预测或者评估中使用。 is_test 参数只能用于测试或者评估阶段，如果想在训练阶段使用预训练模型的全局均值和方差的话，可以设置 use_global_stats=True.

当use_global_stats = True时，

和

不是一个minibatch的统计数据。 它们是全局（或运行）统计数据（moving_mean和moving_variance），通常来自预先训练好的模型。训练和测试（或预测）具有相同的行为：

参数：

• input (Tensor) - batch_norm算子的输入特征，是一个Tensor类型，输入维度可以是 2, 3, 4, 5。数据类型：flaot16, float32, float64。

• act （string）- 激活函数类型，可以是leaky_realu、relu、prelu等。默认：None。

• is_test （bool） - 指示它是否在测试阶段，非训练阶段使用训练过程中统计到的全局均值和全局方差。默认：False。

• momentum （float|Tensor）- 此值用于计算 moving_mean 和 moving_var，是一个float类型或者一个shape为[1]，数据类型为float32的Tensor类型。更新公式为:

  

  ，

• param_attr (ParamAttr|None) ：指定权重参数属性的对象。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 ParamAttr 。batch_norm算子默认的权重初始化是1.0。

• bias_attr （ParamAttr|None）- 指定偏置参数属性的对象。默认值为None，表示使用默认的偏置参数属性。具体用法请参见 。batch_norm算子默认的偏置初始化是0.0。

• data_layout （string) - 指定输入的数据格式，输出的数据格式将与输入保持一致，可以是”NCHW”和”NHWC”。N是批尺寸，C是通道数，H是特征高度，W是特征宽度。默认值：”NCHW”。

• in_place （bool）- batch_norm的输出复用输入的tensor，可以节省显存。默认：False。

• moving_mean_name （string）- moving_mean的名称，存储全局均值。如果将其设置为None, 将随机命名全局均值；否则， batch_norm 将命名全局均值为 。默认：None。

• moving_variance_name （string）- moving_variance的名称，存储全局变量。如果将其设置为None, batch_norm 将随机命名全局方差；否则， 将命名全局方差为 moving_variance_name 。默认：None。

• do_model_average_for_mean_and_var （bool，默认False）- 是否为mean和variance做模型均值。

• use_global_stats （bool） – 是否使用全局均值和方差。 在预测或测试模式下，将use_global_stats设置为true或将is_test设置为true，并且行为是等效的。 在训练模式中，当设置use_global_stats为True时，在训练期间也使用全局均值和方差。默认：False。

代码示例：