normalization

最新推荐文章于 2025-06-20 17:18:24 发布

原创最新推荐文章于 2025-06-20 17:18:24 发布 · 369 阅读

1 ·

CC 4.0 BY-SA版权

numpy 专栏收录该内容

8 篇文章

订阅专栏

本文介绍了两种常见的图像处理技术：批量归一化和实例归一化。批量归一化通过对整个批次的数据进行标准化来提高训练速度并稳定训练过程；而实例归一化则针对每个样本独立地进行归一化，常用于风格迁移等任务中。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import numpy as np
import cv2
epsilon=1e-3
#####input_array.shape = (h,w,n_channels)
def batchnormalization(input_array,mean_p,std_p,gamma_p,beta_p):
    gamma_p = np.reshape(gamma_p,(1,1,len(gamma_p)))
    beta_p = np.reshape(beta_p,(1,1,len(beta_p)))
    mean_p = np.reshape(mean_p,(1,1,len(mean_p)))
    std_p = np.reshape(std_p,(1,1,len(std_p)))
    result = gamma_p/np.sqrt(std_p+epsilon)*input_array+(beta_p-(gamma_p*mean_p/np.sqrt(std_p+epsilon)))
    return result
def instancenormalization(input_array,parameter):
    ######parameter.shape = (2,)  (gamma,beta)
    mean_p = np.mean(input_array)
    std_p = np.std(input_array)
    mean_result = input_array - mean_p
    norm = mean_result / (std_p+epsilon)
    norm = norm * parameter[0]
    result = norm + parameter[1]
    return result
if __name__ =='__main__':
    array = cv2.imread('./test1.jpg')
    batchnormalization(array)