TensorFlowで一括正規化を利用するには？

質問内容

私は 一括正規化 をTensorFlowで使いたいと思います。関連するC++のソースコードは core/ops/nn_ops.cc . しかし、tensorflow.orgではドキュメントが見つかりませんでした。

BNはMLPとCNNで意味合いが違うので、このBNが具体的に何をするのかがよくわかりません。

というメソッドは見つかりませんでした。 MovingMoments というメソッドも見つかりませんでした。

どのように解決するのですか？

2016年7月更新 TensorFlowでバッチ正規化を使用する最も簡単な方法は、以下のいずれかで提供される上位レベルのインターフェイスを使用することです。 contrib/layers , tflearn または スリム .

DIYするなら前の回答 : これに関するドキュメントの文字列は、リリース後に改善されました。 docs のコメントを参照してください。 をご覧ください。 このコメントでは、特に tf.nn.moments .

非常に簡単な使用例を batch_norm テストコード . より現実的な使用例として、私自身が使用するために走り書きしたヘルパークラスと使用上の注意事項を以下に記載します（保証はありません！）。

"""A helper class for managing batch normalization state.                   

This class is designed to simplify adding batch normalization               
(http://arxiv.org/pdf/1502.03167v3.pdf) to your model by                    
managing the state variables associated with it.                            

Important use note:  The function get_assigner() returns                    
an op that must be executed to save the updated state.                      
A suggested way to do this is to make execution of the                      
model optimizer force it, e.g., by:                                         

  update_assignments = tf.group(bn1.get_assigner(),                         
                                bn2.get_assigner())                         
  with tf.control_dependencies([optimizer]):                                
    optimizer = tf.group(update_assignments)                                

"""

import tensorflow as tf


class ConvolutionalBatchNormalizer(object):
  """Helper class that groups the normalization logic and variables.        

  Use:                                                                      
      ewma = tf.train.ExponentialMovingAverage(decay=0.99)                  
      bn = ConvolutionalBatchNormalizer(depth, 0.001, ewma, True)           
      update_assignments = bn.get_assigner()                                
      x = bn.normalize(y, train=training?)                                  
      (the output x will be batch-normalized).                              
  """

  def __init__(self, depth, epsilon, ewma_trainer, scale_after_norm):
    self.mean = tf.Variable(tf.constant(0.0, shape=[depth]),
                            trainable=False)
    self.variance = tf.Variable(tf.constant(1.0, shape=[depth]),
                                trainable=False)
    self.beta = tf.Variable(tf.constant(0.0, shape=[depth]))
    self.gamma = tf.Variable(tf.constant(1.0, shape=[depth]))
    self.ewma_trainer = ewma_trainer
    self.epsilon = epsilon
    self.scale_after_norm = scale_after_norm

  def get_assigner(self):
    """Returns an EWMA apply op that must be invoked after optimization."""
    return self.ewma_trainer.apply([self.mean, self.variance])

  def normalize(self, x, train=True):
    """Returns a batch-normalized version of x."""
    if train:
      mean, variance = tf.nn.moments(x, [0, 1, 2])
      assign_mean = self.mean.assign(mean)
      assign_variance = self.variance.assign(variance)
      with tf.control_dependencies([assign_mean, assign_variance]):
        return tf.nn.batch_norm_with_global_normalization(
            x, mean, variance, self.beta, self.gamma,
            self.epsilon, self.scale_after_norm)
    else:
      mean = self.ewma_trainer.average(self.mean)
      variance = self.ewma_trainer.average(self.variance)
      local_beta = tf.identity(self.beta)
      local_gamma = tf.identity(self.gamma)
      return tf.nn.batch_norm_with_global_normalization(
          x, mean, variance, local_beta, local_gamma,
          self.epsilon, self.scale_after_norm)

と呼んだことに注意してください。 ConvolutionalBatchNormalizer というのは tf.nn.moments を軸 0、1、および 2 にわたって合計するために使用することをピン留めするからです。

もしあなたがこれを使うなら、フィードバックをお願いします。