tensorflow - Tensorflow tf.layer.batch_normalization:如何在训练期间使用全局移动统计数据进行归一化?
问题描述
从文档中,arg 培训
Python 布尔值或 TensorFlow 布尔标量张量(例如占位符)。是在训练模式(使用当前批次的统计数据归一化)还是在推理模式(使用移动统计数据归一化)返回输出。注意:确保正确设置此参数,否则您的训练/推理将无法正常工作。
它从未提到这个 arg 还控制是否更新全局移动统计信息。即使更新操作是通过
update_ops = tf.get_collection(tf.GraphKeys.UPDATE_OPS, 'train_model')
with tf.control_dependencies(update_ops):
train_ops = ...
他们不会被更新的是training=False
。我很好奇是否有办法让这些移动统计数据在训练期间不断更新,同时使用它们进行标准化?
解决方案
推荐阅读
- c++ - 如何从进程中获取实时、非阻塞的输出
- opencv - OpneCV 网络摄像头视频捕获 Jupytor 与 PyCharm
- java - Java 编译器在 if 语句之前执行 return
- python - 在终端中打印字符串时缺少字符
- php - Add additional attributes to an existing document elasticsearch with PHP
- javascript - array.filter 没有在 reactjs 中返回父数组的嵌套数组
- c# - 如何使用 asp.net core 在 Jenga API 中创建签名
- r - 获取数据框中最后一个数值的 Tidyverse 挂起
- c# - .net 核心从商店获取证书运行与框架不同
- django - Django 向 API 发送请求,其中 URL 是动态的