当输入秩为4时，使用哪个tensorflow批次规范代码？

Question

我正在使用来自layers的slim.batch_norm，并试图理解我的用例中的代码流。在我看来，如果输入秩为2，那么决定是使用_fused_batch_norm()还是基类只使用_fused_batch_norm()的逻辑。如果rank为4并且函数本身（_fused_batch_norm（））支持rank为4，那么代码描述听起来也应该使用，但逻辑似乎阻止了对它的调用。下面的代码片段显示了我所指的内容：

  # Only use _fused_batch_norm (1) if fused is set True or if it is
  # possible to use (currently it doesn't support batch weights,
  # renorm, and the case when rank is neither 2 nor 4),
  # and (2) if used with zero_debias_moving_mean, or an input shape of rank 2,
  # or non-default updates_collections (not implemented in
  # normalization_layers.BatchNormalization yet); otherwise use the fused
  # implementation in normalization_layers.BatchNormalization.
  inputs = ops.convert_to_tensor(inputs)
  rank = inputs.get_shape().ndims
  feature_supported = batch_weights is None and not renorm and rank in [2, 4]
  possible_to_fuse = fused is None and feature_supported
  if (fused or possible_to_fuse) and (
      zero_debias_moving_mean or rank == 2 or
      updates_collections is not ops.GraphKeys.UPDATE_OPS):
      return _fused_batch_norm(...)

对于我的用例，以下参数都是默认设置：

^{pr2}$

如果我的输入是秩4，那么看起来代码将使用normalization_layers.BatchNormalization中的融合实现，我对逻辑的理解正确吗？在

这是预期的正确行为吗？我想知道条件rank==2是否应该是rank in [2,4]？如果后者是正确的，那么这将是一个潜在的bug。如果原稿是正确的，那么为什么要用rank in [2,4]来确定{}？在

Answer 1

你说得对，这是个虫子。当rank=4和{}（或True）时，可以而且应该使用优化的_fused_batch_norm。这与^{}一致。在

看起来他们混淆了逻辑表达式，不管其他东西是什么，都应该触发if possible_to_fuse=True。此外，如果feature_supported=True and not fused=False，_fused_batch_norm也是合格的。在

你应该报告给tensorflow issue tracker。在