用tens实现批量规范化

Question

我试图在tensor-flow中实现一个批处理规范化层。我可以使用tf.moments来获得平均值和方差。在

对于测试时间，我想设置一个指数移动平均值来跟踪均值和方差。我试着这样做：

def batch_normalized_linear_layer(state_below, scope_name, n_inputs, n_outputs, stddev, wd, eps=.0001):
  with tf.variable_scope(scope_name) as scope:
    weight = _variable_with_weight_decay(
      "weights", shape=[n_inputs, n_outputs],
      stddev=stddev, wd=wd
    )
    act = tf.matmul(state_below, weight)
    # get moments
    act_mean, act_variance = tf.nn.moments(act, [0])
    # get mean and variance variables
    mean = _variable_on_cpu('bn_mean', [n_outputs], tf.constant_initializer(0.0))
    variance = _variable_on_cpu('bn_variance', [n_outputs], tf.constant_initializer(1.0))
    # assign the moments
    assign_mean = mean.assign(act_mean)
    assign_variance = variance.assign(act_variance)

    act_bn = tf.mul((act - mean), tf.rsqrt(variance + eps), name=scope.name+"_bn")

    beta = _variable_on_cpu("beta", [n_outputs], tf.constant_initializer(0.0))
    gamma = _variable_on_cpu("gamma", [n_outputs], tf.constant_initializer(1.0))
    bn = tf.add(tf.mul(act_bn, gamma), beta)
    output = tf.nn.relu(bn, name=scope.name)
    _activation_summary(output)
  return output, mean, variance

其中，cpu上的_变量定义为：

^{pr2}$

我相信我已经准备好了

assign_mean = mean.assign(act_mean)
assign_variance = variance.assign(act_variance)

不正确，但我不知道怎么做。当我使用tensorboard跟踪这些均值和方差变量时，它们与它们的初始值是平的。在

Answer 1

Rafal的评论抓住了问题的核心：您没有运行assign节点。您可以尝试使用我在另一个答案中发布的batchnorm帮助器How could I use Batch Normalization in TensorFlow?-或者您可以按照他的建议，通过添加依赖项来强制赋值。在

一般原则是，只有当数据或控件依赖项“通过”一个节点时，才应该指望该节点正在运行。with_dependencies确保在使用输出操作之前，指定的依赖关系已经完成。在