Feature Statistics Mixing Regularization for Generative Adversarial Networks在模型中归一化是通过那个函数做到的

Feature Statistics Mixing Regularization (FSMR) 是一种在生成对抗网络 (GANs) 中用于归一化的正则化方法，它通过将生成器网络中的每个特征的均值和标准差与较小的样本集中的均值和标准差进行混合来实现归一化。具体来说，FSMR使用以下公式进行归一化：

x_norm = (x - mean(x)) / (std(x) + eps)
y_norm = (y - mean(y)) / (std(y) + eps)
z = alpha * x_norm + (1 - alpha) * y_norm

其中，x是生成器网络中的特征，y是较小的样本集中的特征，alpha是混合系数，eps是为了避免分母为零而添加的小常数。通过将生成器网络中的特征与样本集中的特征进行混合，FSMR可以帮助生成器网络更好地学习数据分布，并且可以提高生成图像的质量和多样性。