Tensorflow 中正确的批量归一化函数是什么？
What is right batch normalization function in Tensorflow?
在tensorflow 1.4中，我发现了两个做batch normalization的函数，它们看起来是一样的：
我应该使用哪个功能？哪个更稳定？
如doc所示，tf.contrib是一个贡献模块，包含易失性或实验性代码。 function 完成后，它将从此模块中删除。现在有两个，为了兼容历史版本。
所以，推荐前者tf.layers.batch_normalization。
补充一下，在 tensorflow 中还有其他几种方法可以进行批归一化：
tf.nn.batch_normalization 是一个低级操作。调用者负责自己处理 mean 和 variance 张量。tf.nn.fused_batch_norm 是另一个低级操作，类似于前一个。不同之处在于它针对 4D 输入张量进行了优化，这是卷积神经网络中的常见情况。 tf.nn.batch_normalization 接受任何阶数大于 1 的张量。tf.layers.batch_normalization 是对先前操作的高级包装。最大的区别是它负责创建和管理 运行 均值和方差张量，并在可能时调用快速融合运算。通常，这应该是您的默认选择。tf.contrib.layers.batch_norm 是 batch norm 的早期实现，在它升级到核心 API（即 tf.layers）之前。不推荐使用它，因为它可能会在未来的版本中被删除。tf.nn.batch_norm_with_global_normalization 是另一个已弃用的操作。目前，将调用委托给 tf.nn.batch_normalization，但将来可能会被取消。- 最后，还有 Keras 层
keras.layers.BatchNormalization，在 tensorflow 后端调用 tf.nn.batch_normalization.
在tensorflow 1.4中，我发现了两个做batch normalization的函数，它们看起来是一样的：
我应该使用哪个功能？哪个更稳定？
如doc所示，tf.contrib是一个贡献模块，包含易失性或实验性代码。 function 完成后，它将从此模块中删除。现在有两个，为了兼容历史版本。
所以，推荐前者tf.layers.batch_normalization。
补充一下，在 tensorflow 中还有其他几种方法可以进行批归一化：
tf.nn.batch_normalization是一个低级操作。调用者负责自己处理mean和variance张量。tf.nn.fused_batch_norm是另一个低级操作，类似于前一个。不同之处在于它针对 4D 输入张量进行了优化，这是卷积神经网络中的常见情况。tf.nn.batch_normalization接受任何阶数大于 1 的张量。tf.layers.batch_normalization是对先前操作的高级包装。最大的区别是它负责创建和管理 运行 均值和方差张量，并在可能时调用快速融合运算。通常，这应该是您的默认选择。tf.contrib.layers.batch_norm是 batch norm 的早期实现，在它升级到核心 API（即tf.layers）之前。不推荐使用它，因为它可能会在未来的版本中被删除。tf.nn.batch_norm_with_global_normalization是另一个已弃用的操作。目前，将调用委托给tf.nn.batch_normalization，但将来可能会被取消。- 最后，还有 Keras 层
keras.layers.BatchNormalization，在 tensorflow 后端调用tf.nn.batch_normalization.