文件名称：EvoNorm:EvoNorm的非官方PyTorch实施
文件大小：324KB
文件格式：ZIP
更新时间：2024-05-12 15:40:56
computer-vision deep-learning neural-networks nas normalization
不断发展的标准化激活层 Google AI和DeepMind 在培训模式支持下实施EvoNorm S0和B0 使用group_std和instance_std函数解决形状错误 解决S0的NaN错误问题 修复EvoNorm B0中运行方差计算中的形状错误 解决B0的NaN错误问题 图1.左图：搜索的归一化激活层的计算图，该层与批次无关，名为EvoNorm-S0。 正确：ResNet-50的结果是EvoNorm-S0，因为ImageNet上超过8个工作人员的批处理量从1024变为32。 在MobileNetV2和Mask R-CNN上，EvoNorm-S0的性能也优于BN和GN。 用法： from evonorm2d import EvoNorm2D # For B0 version evoB0 = EvoNorm2D(input, affine = True, version
【文件预览】：
EvoNorm-master
----figures()
--------evonorm.PNG(329KB)
----evonorm2d.py(4KB)
----LICENSE(1KB)
----README.md(961B)