Keras 如何设置批量标准化层的权重？

如何设置KERA的批次标准化层的权重

我有点被文件弄糊涂了

权重：初始化权重。两个Numpy数组的列表，形状：[（输入_形，），（输入_形，）]请注意，此列表的顺序为[gamma，beta，mean，std]

---

我们需要所有四种[伽马，贝塔，平均值，性病]？是否有一种只使用[gamma，beta]设置权重的方法？

是的，您需要所有四个值。回想一下批处理规范化的作用。其目标是规范化（即平均值=0，标准偏差=1）进入各层的输入。为此，您需要

（mean，std）

。因此，规范化激活可被视为对进行线性变换的子网络的输入：

y = gamma*x_norm + beta

（gamma，beta）

非常重要，因为它们补充了

（mean，std）

，因为

（gamma，beta）

有助于从标准化激活中恢复原始激活。如果不这样做或在不考虑其他参数的情况下更改任何一个参数，则有可能更改激活的语义。这些原始激活现在可以与您的下一层处理。对所有层重复此过程

编辑：

---

另一方面，我认为值得尝试首先计算大量图像的平均值和标准差，并将其作为您的平均值和标准差进行输入。请注意，您计算平均值和标准差的图像与您的训练数据来自相同的分布。我认为这应该是可行的，因为批标准化通常有两种计算平均值的模式，一种是在批上维护的运行平均值，另一种是全局平均值（至少在Caffe中，请参见）。

谢谢，但我的问题更具体到keras批标准化层，我只是通过标签指出了这一点。发现我可以使用

K.set\u value

来实现这一点。@Prasanna你能告诉我你做了什么吗？什么是

K

？我试图分别设置gamma、beta、running_mean和running_variance的值。@Chhaganlaal

K

是Keras后端。我认为它是来自keras导入后端K的

。