輸入等級爲4時使用哪種tensorflow批量規範代碼？

Question

我使用slim.batch_norm從layers並試圖瞭解我的用例中的代碼流。它看起來像我決定是否使用_fused_batch_norm()的邏輯，或者在我的情況下，如果輸入等級爲2，基類將只使用_fused_batch_norm()。代碼描述聽起來像它應該在rank爲4時使用，而函數本身（_fused_batch_norm（））支持4級，但邏輯似乎阻止調用它。下面是代碼片段展示什麼，我指的是：

# 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(...) 

對於我的使用情況下，我有以下的參數都在默認設置：

batch_weights=None 
fused=False 
renorm=False 
zero_debias_moving_mean=False 
updates_collections=ops.GraphKeys.UPDATE_OPS 

如果我輸入的是4級，它看起來像代碼將使用normalization_layers.BatchNormalization中的融合實現我的理解邏輯是否正確？

這是預期的和適當的行爲？我在想，如果條件rank==2實際上應該是rank in [2,4]？如果後者是正確的，那麼這將是一個潛在的錯誤。如果原件是正確的，那麼爲什麼有rank in [2,4]確定feature_supported？

Answer 1

你是對的，這是一個錯誤。當rank=4和fused=None（或True）時，可以並應該使用優化的_fused_batch_norm。這與tf.nn.fused_batch_norm一致。

看起來他們混淆了邏輯表達式，這應該觸發如果possible_to_fuse=True，無論其他事情是什麼。此外，如果feature_supported=True and not fused=False，_fused_batch_norm也符合條件。

您應該將其報告給tensorflow issue tracker。