如何在自定义训练循环中使用tf.keras.layers.BatchNormalization()？

fbcarpbf 于 2023-08-06 发布在其他

关注(0)|答案(2)|浏览(119)

过了一段时间，我又回到了TensorFlow，看起来情况完全改变了。
然而，以前我在训练循环中使用tf.contrib....batch_normalization和以下代码：

update_ops = tf.get_collection(tf.GraphKeys.UPDATE_OPS)
with tf.control_dependencies(update_ops):
    train_op = optimizer.minimize(cnn.loss, global_step=global_step)

字符串
但似乎，contrib无处可寻，tf.keras.layers.BatchNormalization的工作方式也不一样。另外，我在他们的documentation中找不到任何培训说明。
因此，任何帮助的信息是赞赏。

keras

来源：https://stackoverflow.com/questions/58550146/how-to-use-the-tf-keras-layers-batchnormalization-in-custom-training-loop

2条答案

按热度按时间

kxxlusnw1#

我开始使用PyTorch。它解决了问题。

赞(0）回复(0）举报 2023-08-06

ajsxfq5m2#

由于批量归一化在训练和推断过程中的行为不同，因此传入call()的training变量需要被馈送到BatchNormalization层。

import tensorflow as tf

def call(self, inputs, training=False):
    x = tf.keras.layers.BatchNormalization()(inputs, training=training)
    return x

字符串

赞(0）回复(0）举报 2023-08-06

我来回答

如何在自定义训练循环中使用tf.keras.layers.BatchNormalization()？

2条答案

相关问题

热门标签

最新问答