Question

我最近想在keras中使用批量规范化来构建神经网络。正如原始论文所提到的，批量规范化在测试和培训时间方面表现不同。我查看文档：

keras.layers.BatchNormalization(axis=-1, momentum=0.99, epsilon=0.001, 
center=True, scale=True, beta_initializer='zeros', gamma_initializer='ones', 
moving_mean_initializer='zeros', moving_variance_initializer='ones', 
beta_regularizer=None, gamma_regularizer=None, beta_constraint=None, 
gamma_constraint=None)

我没有看到任何参数来判断它是处于训练阶段还是测试阶段，这与tensorflow的实现不同：

batch_norm(
inputs,
decay=0.999,
center=True,
scale=False,
epsilon=0.001,
activation_fn=None,
param_initializers=None,
param_regularizers=None,
updates_collections=tf.GraphKeys.UPDATE_OPS,
is_training=True,
reuse=None,
variables_collections=None,
outputs_collections=None,
trainable=True,
batch_weights=None,
fused=False,
data_format=DATA_FORMAT_NHWC,
zero_debias_moving_mean=False,
scope=None,
renorm=False,
renorm_clipping=None,
renorm_decay=0.99
)

我想知道在测试阶段如何在keras中实现批量规范化层？提前谢谢。

Answer 1

您不会在文档中找到有关训练x测试的任何信息。

Keras在其源代码中隐藏了这些内容，其理念是：

当您在模型中调用fit和类似物时，keras的行为与训练模式相似;
当你对evaluate，predict和其他人进行调整时，它的行为就像没有在训练中那样。

如果要查找BatchNormalization图层的这些差异，则必须检查其源代码。

我猜这里有一些东西。但我不会假装我理解得很好：https://github.com/fchollet/keras/blob/master/keras/layers/normalization.py#L170

keras中的BatchNormalization层如何在测试阶段实现？

1 个答案: