在Keras中，如何在测试期间使用批处理规范化？
我目前正在尝试在Keras中使用批处理规范化实现一个模型。我已经成功地在训练阶段实现了它。
然而，对于测试，在通过网络进行前向传递之前，批次归一化会计算整个群体的统计信息（平均值和方差）（BN平均值和方差是预先计算的，然后保持不变；这与训练阶段相反，在训练阶段，平均值和方差由批次确定）。
我关于Keras的问题是：
假设（X， y）是整个总体。假设（X_batch，y_batch）是一个批次（整个总体的子集）
如果我使用
model.test_on_batch(X_batch, y_batch)
如何将X和y的整个总体的平均值和方差传递给批处理规范化层？有什么方法可以让keras自动处理它吗？
共有1个答案
如何将X和y的整个总体的平均值和方差传递给批处理规范化层？有什么方法可以让keras自动处理它吗？
Keras应该做到这一点（在足够新的版本中）：
https://github.com/fchollet/keras/issues/81
要进行双重检查，您可能需要在测试/预测时尝试batch\u size=1，如果Keras无法使用全局统计信息，您可能会看到非常糟糕的结果。
-
我已经成功训练了一个超过100000个样本的模型，该模型在训练集和测试集都表现良好。然后，我尝试对一个特定样本（100000个样本中的一个）进行微调，并使用经过训练的权重作为初始化。 但结果有点奇怪，我相信这是由批处理规范化层引起的。具体而言，我的代码可以列出如下： model.load_weights速率=model.evaluate（x， y）打印速率 mymodel是一个自定义函数来生成我的
-
我了解批次归一化有助于更快的训练，将激活转向单位高斯分布，从而解决梯度消失问题。批次规范行为在训练（使用每个批次的平均值/var）和测试时间（使用训练阶段的最终运行平均值/var）中的应用不同。 另一方面，实例归一化作为对比度归一化，如本文所述https://arxiv.org/abs/1607.08022。作者提到，输出样式化的图像不应依赖于输入内容图像的对比度，因此实例规范化有助于实现。 但是
-
我今天好像赢不了... 有没有一种方法可以从Spock SpringBootTest集成测试中的关系中读取，而无需将测试注释为或添加不切实际的？ 或者，是否有方法从测试用例中启动Spring-Batch作业？ 让我详细说明... 我试图为我的Spring Batch reporting流程提供一个简单的Spring Boot Integration测试，该测试从Dangled web of DB2
-
我试图重用我在另一个Geb规范中编写的一个Geb规范测试，这样我就不需要重写代码了。我总是需要在不同的页面的产品编号，所以我想做类似以下的事情； 在另一个GebSpec中，我希望使用上面的，如下所示：
-
我想使用Batchnormalization来规范化批次维度，但keras中的批次维度自然是无维度的。那我该怎么办呢。 keras示例显示，conv2d的轴为-1，这表示通道尺寸。 轴：整数，应规格化的轴（通常是特征轴）。例如，在具有data\u format=“channels\u first”的Conv2D层之后，在BatchNormalization中设置axis=1。
-
问题内容： 我看到imageDataGenerator允许我指定不同样式的数据规范化，例如featurewise_center，samplewise_center等。 从示例中可以看到，如果我指定了这些选项之一，则需要在生成器上调用fit方法，以允许生成器计算统计信息，例如生成器上的均值图像。 我的问题是，如果我在训练期间指定了数据归一化，预测将如何工作？我看不到如何在框架中传递训练集均值/标准差