Tensorflow中的右批量归一化功能是什么？

Question

在tensorflow 1.4中，我找到了两个进行批量标准化的函数，它们看起来相同：

1. tf.layers.batch_normalization（link）
2. tf.contrib.layers.batch_norm（link）

我应该使用哪种功能？哪一个更稳定？

Answer 1

只是要添加到列表中，还有几种方法可以在tensorflow中进行批量规范：

• tf.nn.batch_normalization是一个低级操作。调用者自己负责处理mean和variance张量。
• tf.nn.fused_batch_norm是另一个低级操作系统，类似于前一个操作系统。不同之处在于它针对4D输入张量进行了优化，这是卷积神经网络中的常见情况。 tf.nn.batch_normalization接受任何等级大于1的张量。
• tf.layers.batch_normalization是以前操作系统的高级包装器。最大的区别在于它负责创建和管理运行均值和方差张量，并在可能的情况下调用快速融合运算。通常，这应该是默认选择。
• tf.contrib.layers.batch_norm是批量规范的早期实现，在它逐渐进入核心API之前（即tf.layers）。建议不要使用它，因为它可能会在将来的版本中删除。
• tf.nn.batch_norm_with_global_normalization是另一个弃用的操作。目前，将呼叫委托给tf.nn.batch_normalization，但将来可能会被拒绝。
• 最后，还有Keras图层keras.layers.BatchNormalization，如果张量流后端调用tf.nn.batch_normalization。

Answer 2

如doc所示，Multiple markers at this line - The method subscribe(Consumer<? super String>) in the type Flux<String> is not applicable for the arguments (elems::add) - The type List<Integer> does not define add(String) that is applicable here 是一个包含易失性或实验性代码的贡献模块。 tf.contrib完成后，它将从此模块中删除。现在有两个，以便与历史版本兼容。

因此，建议使用前function。