TensorFlow批处理规范化实现之间有什么区别？

Question

TensorFlow似乎实现了至少3个版本的批处理规范化：

• ^{}
• ^{}
• ^{}

这些都有不同的参数和文档。在

这些有什么区别，我应该用哪一个？在

Answer 1

它们实际上非常不同。在

• nn.batch_normalization执行基本操作（即简单的规范化）
• layers.batch_normalization是一个batchnorm“层”，也就是说，它负责设置可训练的参数等。最后，它是nn.batch_normalization的包装器。很可能这是你想要使用的，除非你想自己设置变量等。在

这与nn.conv2d和{}之间的区别类似。在

至于contrib版本，我不能肯定，但在我看来，它像是一个实验版本，它有一些“常规”layers中没有的额外参数。在

Answer 2

都是基于同一篇论文：http://arxiv.org/abs/1502.03167 所以他们应该做同样的事情。在

有些函数会在代码中移动，但是保留旧版本以保持向后兼容性，最终会得到多个版本。在

我建议您使用最简单的方法来完成您的项目（即tf.nn.batch_标准化). 如果您需要未提供的功能/参数，请选择适合您的功能/参数。在

注： tf.contrib公司.*不保证保持向后兼容（api可能在将来的版本中更改）。在