mindspore/docs/api/api_python/nn/mindspore.nn.InstanceNorm2d.rst

mindspore.nn.InstanceNorm2d
============================

.. py:class:: mindspore.nn.InstanceNorm2d(num_features, eps=1e-5, momentum=0.1, affine=True, gamma_init='ones', beta_init='zeros')

    对四维输入实现实例归一化（Instance Normalization Layer）。

    该层在四维输入（带有额外通道维度的mini-batch二维输入）上应用实例归一化，详见论文 `Instance Normalization:
    The Missing Ingredient for Fast Stylization <https://arxiv.org/abs/1607.08022>`_ 。
    使用mini-batch数据和学习参数进行训练，参数见如下公式。

    .. math::
        y = \frac{x - \mathrm{E}[x]}{\sqrt{\mathrm{Var}[x] + \epsilon}} * \gamma + \beta

    其中\gamma和\beta是可学习的参数向量，如果 `affine` 为True，则大小为 `num_features` 。通过偏置估计函数计算标准偏差。

    此层使用从训练和验证模式的输入数据计算得到的实例数据。

    InstanceNorm2d和BatchNorm2d非常相似，但略有不同。InstanceNorm2d应用于RGB图像等通道数据的每个通道，而BatchNorm2d通常应用于批处理。

    .. note::
        需要注意的是，更新滑动平均和滑动方差的公式为 :math:`\hat{x}_\text{new} = (1 - \text{momentum}) \times x_t + \text{momentum} \times \hat{x}` ,其中 :math:`\hat{x}` 是估计的统计量， :math:`x_t` 是新的观察值。

    **参数：**

    - **num_features** (int) - 输入Tensor的通道数量。
    - **eps** (float) - 添加到分母中的值，以确保数值稳定。默认值：1e-5。
    - **momentum** (float) - 动态均值和动态方差所使用的动量。默认值：0.1。
    - **affine** (bool) - bool类型。设置为True时，可以学习gamma和beta参数。默认值：True。
    - **gamma_init** (Union[Tensor, str, Initializer, numbers.Number]) - gamma参数的初始化方法。str的值引用自函数 `initializer` ，包括'zeros'、'ones'等。默认值：'ones'。
    - **beta_init** (Union[Tensor, str, Initializer, numbers.Number]) - beta参数的初始化方法。str的值引用自函数 `initializer` ，包括'zeros'、'ones'等。默认值：'zeros'。

    **输入：**

    - **x** (Tensor) - shape为 :math:`(N, C, H, W)` 的Tensor。数据类型为float16或float32。

    **输出：**

    Tensor，归一化，缩放，偏移后的Tensor，其shape为 :math:`(N, C, H, W)` 。类型和shape与 `x` 相同。

    **异常：**

    - **TypeError** - `num_features` 不是整数。
    - **TypeError** - `eps` 不是float。
    - **TypeError** - `momentum` 不是float。
    - **TypeError** - `affine` 不是bool。
    - **TypeError** - `gamma_init` / `beta_init` 的类型不相同，或者初始化的元素类型不是float32。
    - **ValueError** - `num_features` 小于1。
    - **ValueError** - `momentum` 不在范围[0, 1]内。
    - **KeyError** - `gamma_init` / `beta_init` 中的任何一个是str，并且不存在继承自 `Initializer` 的同义类。