caffe中卷积网络norm层的解释

最新推荐文章于 2025-10-31 23:50:17 发布

原创

最新推荐文章于 2025-10-31 23:50:17 发布 · 3.8k 阅读

2 ·

CC 4.0 BY-SA版权

本文详细介绍了Caffe框架中LRN（局部响应归一化）层的工作原理和作用，该层常用于卷积神经网络中，以提高模型的泛化能力。LRN通过对神经元的激活值进行归一化，限制相邻神经元间的竞争，有助于网络训练过程的稳定。

layers {
  name: "norm1"
  type: LRN
  bottom: "pool1"
  top: "norm1"
  lrn_param {
    local_size: 5
    alpha: 0.0001
    beta: 0.75
  }
}

Local Response Normalization (LRN)层

此层是对一个输入的局部区域进行归一化，达到“侧抑制”的效果。

可去搜索AlexNet或GoogLenet，里面就用到了这个功能

网络结构显示工具

name: "CaffeNet"
layers {
  name: "data"
  type: DATA
  top: "data"
  top: "label"
  data_param {
    source: "/home/ubuntu/AdienceFaces/lmdb/Test_fold_is_3/gender_train_lmdb"
    backend: LMDB
    batch_size: 50
  }
  transform_param {
    crop_size: 227
    mean_file: "/home/ubuntu/AdienceFaces/mean_image/Test_folder_is_3/mean.binaryproto"
    mirror: true
  }
  include: { phase: TRAIN }
}
layers {
  name: "data"
  type: