Python 如何在tensorflow 1.12中使用层规范化？

我被tensorflow 1.12卡住了，我需要使用层规范化。我找不到这方面的一些例子，由于我对tensorflow还不熟悉，所以我无法找出哪里出了问题

tf.contrib.layers.layer\u norm

是我想在我的

tf.keras.Sequential（）

中包含的函数，如下所示-

        self.module = K.Sequential([
            tf.contrib.layers.layer_norm(trainable=True),
            K.layers.Activation(self.activation),
            K.layers.Dense(units=self.output_size, activation=None, kernel_initializer=self.initializer)
        ])

我也试过使用

self.ln = tf.contrib.layers.layer_norm(trainable=True)
### and in call()
self.ln(self.module)

在所有情况下，它都会在定义

tf.contrib.layers.layer\u norm（trainable=True）

-

我知道需要将输入作为LayerForm的参数提供，但如果我希望它是可训练的，则只能在

\uuuu init\uuuu（）

中定义它。我哪里做错了

---

我主要使用Pytork，因此很明显我无法掌握

tf

的思想。任何建议都会很有帮助

Sequential

需要通过

Layer

实例列表进行初始化，例如

tf.keras.layers.Activation

，

tf.keras.layers.Dense

<代码>tf.contrib.layers.layer\u norm是功能性的，而不是

层

实例

---

keras风格的第三方层规范化实现-。但我还没有测试过tensorflow

Sequential

需要通过

Layer

实例列表进行初始化，例如

tf.keras.layers.Activation

，

tf.keras.layers.Dense

<代码>tf.contrib.layers.layer\u norm是功能性的，而不是

层

实例

---

keras风格的第三方层规范化实现-。但我还没有测试过tensorflow

你不能像那样使用顺序。它用于连接keras层，以便它们可以自动计算输入。出现错误是因为您刚刚加入了一个tensorflow函数/层的一部分，该函数/层要求您显式指定输入张量。真的不能这样混搭。有一个keras批处理规范层您可能感兴趣？我想改用层规范。我最终在

call（）

中调用了layer\u norm，它似乎起到了作用。你看到有什么陷阱吗？你不能像那样使用顺序。它用于连接keras层，以便它们可以自动计算输入。出现错误是因为您刚刚加入了一个tensorflow函数/层的一部分，该函数/层要求您显式指定输入张量。真的不能这样混搭。有一个keras批处理规范层您可能感兴趣？我想改用层规范。我最终在

call（）

中调用了layer\u norm，它似乎起到了作用。你看到有什么陷阱吗？TypeError:layer_norm（）缺少1个必需的位置参数：“inputs”根据错误，你没有将“input”参数传递给layer_norm（）。TypeError:layer_norm（）缺少1个必需的位置参数：“inputs”根据错误，你没有将“input”参数传递给layer_norm（）。

TypeError: layer_norm() missing 1 required positional argument: 'inputs'