SwitchableNormalization-Keras:keras的可切换归一化方法

【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)