看起来像 keras 规范化层没有正确反规范化

Question

我想使用 keras 规范化层来“非规范化”我的 output。这个 object 的文档说参数“invert=True”就是这样做的，但它的行为根本不像我想的那样......

我试图找出问题并表明它不计算归一化的逆

import numpy as np
import tensorflow as tf
from tensorflow import keras
from keras import layers

norm = layers.Normalization()
denorm = layers.Normalization(invert=True)
y = np.array([[10.0], 
              [20.0], 
              [30.0]])
norm.adapt(y)
denorm.adapt(y)

在这里，我检查了均值和方差，看起来两者是一样的，现在一切都很好。

print(norm(20))
print(denorm(0))

我得到 output 0 和 163.29932 而不是 0 和 20... 看起来非规范化添加了平均值，然后乘以 std 而不是先乘以 std。

keras 版本可能与此处相关：

print(keras.__version__)

Output: '2.10.0'

Answer 1

我查看了代码，发现确实是错误的（加上均值再乘以标准差）。

我打开了一个 pull request 来修复这个问题，它已经被接受，所以它应该会在短时间内修复。