python – 为什么局部响应范数纸方程和张量流实现之间存在这种差异？

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了python – 为什么局部响应范数纸方程和张量流实现之间存在这种差异？，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含728字，纯文字阅读大概需要2分钟。

内容图文

我在Alex的paper中发现了关于本地响应规范化的这个等式：
  

正如我们在上面看到的那样,在我们计算总和之后,将功率提高,将其与alpha相乘,然后在添加k之后添加.

但是,我在TensorFlow文档中看到它显示为

sqr_sum[a, b, c, d] =
  sum(input[a, b, c, d - depth_radius : d + depth_radius + 1] ** 2)
output = input / (bias + alpha * sqr_sum ** beta)

测试版仅针对总和筹集.

为什么这里有差异？

另外,当我查看TensorFlow代码本身时,我看到了这个：

output[b, r, c, d] /= (
            np.power(bias + alpha * np.sum(patch * patch), beta))

哪个看起来正确？

我有点困惑.有人可以纠正我吗？

解决方法:

这是Tensorflow文档中的一个错误.

它是在2月26日由此提交修复的：
https://github.com/tensorflow/tensorflow/commit/ab48dbd4ac2095548a5bc8505e08e751d409727f#diff-632987400e5affbcdba4533444460b0e

内容总结

以上是互联网集市为您收集整理的python – 为什么局部响应范数纸方程和张量流实现之间存在这种差异？全部内容，希望文章能够帮你解决python – 为什么局部响应范数纸方程和张量流实现之间存在这种差异？所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端