【文件属性】:
文件名称:SwitchableNormalization-Keras:keras的可切换归一化方法
文件大小:3.48MB
文件格式:ZIP
更新时间:2021-05-01 21:54:32
Python
可切换归一化-Keras
keras的可切换归一化方法
可切换归一化
本文的可归一化引入了可切换归一化(SN)。
博客解释SN方法。
SN适应权重3种不同的归一化方法,包括IN / LN / BN。 加权平均均值和方差分别需要3个可训练的平均权重和3个可训练的方差权重,因此SN的可训练参数等于2 * channels + 6 。
可切换规范化代码
实验
实验日志的详细信息位于目录实验中
比较3归一化方法: batch_norm(bn) // group_norm(gn) // switchable_norm(sn)
数据:ISBI 2D EM分割图像
网络:Unet(基于VGG)
纪元:5
环境:GeForce 1080Ti
结果:
训练时间:sn> gn> bn
细分结果:sn> gn> bn
【文件预览】:
SwitchableNormalization-Keras-master
----experiments()
--------unet_gn5()
--------unet_sn5()
--------unet_bn5()
----SwitchableNormalization.py(10KB)
----README.md(1KB)