SpectralNorm

class paddle.nn. SpectralNorm ( weight_shape, dim=0, power_iters=1, eps=1e-12, name=None, dtype='float32' ) [源代码]

构建 SpectralNorm 类的一个可调用对象,具体用法参照 代码示例。其中实现了谱归一化层的功能,用于计算 fc、conv1d、conv2d、conv3d 层的权重参数的谱正则值,输入权重参数应分别为 2-D, 3-D, 4-D, 5-D Tensor,输出 Tensor 与输入 Tensor 维度相同。谱特征值计算方式如下:

步骤 1:生成形状为[H]的向量 U,以及形状为[W]的向量 V,其中 H 是输入权重 Tensor 的第 dim 个维度,W 是剩余维度的乘积。

步骤 2: power_iters 应该是一个正整数,用 U 和 V 迭代计算 power_iters 轮,迭代步骤如下。

\[\begin{split}\mathbf{v} &:= \frac{\mathbf{W}^{T} \mathbf{u}}{\|\mathbf{W}^{T} \mathbf{u}\|_2}\\ \mathbf{u} &:= \frac{\mathbf{W}^{T} \mathbf{v}}{\|\mathbf{W}^{T} \mathbf{v}\|_2}\end{split}\]

步骤 3:计算 \(\sigma(\mathbf{W})\) 并特征值值归一化。

\[\begin{split}\sigma(\mathbf{W}) &= \mathbf{u}^{T} \mathbf{W} \mathbf{v}\\ \mathbf{W} &= \frac{\mathbf{W}}{\sigma(\mathbf{W})}\end{split}\]

可参考:Spectral Normalization

参数

  • weight_shape (list 或 tuple) - 权重参数的 shape。

  • dim (int,可选) - 将输入(weight)重塑为矩阵之前应排列到第一个的维度索引,如果 input(weight)是 fc 层的权重,则应设置为 0;如果 input(weight)是 conv 层的权重,则应设置为 1。默认值:0。

  • power_iters (int,可选) - 将用于计算的 SpectralNorm 功率迭代次数,默认值:1。

  • eps (float,可选) - eps 用于保证计算规范中的数值稳定性,分母会加上 eps 防止除零。默认值:1e-12。

  • name (str,可选) - 具体用法请参见 Name,一般无需设置,默认值为 None。

  • dtype (str,可选) - 数据类型,可以为"float32"或"float64"。默认值为"float32"。

形状

  • input:任意形状的 Tensor。

  • output:和输入形状一样。

代码示例

import paddle
x = paddle.rand((2,8,32,32))

spectral_norm = paddle.nn.SpectralNorm(x.shape, dim=1, power_iters=2)
spectral_norm_out = spectral_norm(x)

print(spectral_norm_out.shape) # [2, 8, 32, 32]