GroupNormalization

GroupNormalization - 21

版本

此版本的操作符自 版本 21 起可用。

摘要

一个 GroupNormalization 函数。执行论文 https://arxiv.org/abs/1803.08494 中描述的组归一化。

该运算符根据以下方式转换输入

y = scale * (x - mean) / sqrt(variance + epsilon) + bias,

其中，均值和方差是按实例、按通道组计算的，scale 和 bias 应为每个通道指定。组的数量 num_groups 应能被通道数整除，以便每组通道数量相等。

整个计算分两个阶段：第一阶段将每个实例在每个组中的元素归一化为零均值和单位方差，第二阶段对第一阶段的结果进行缩放和平移。第一阶段使用的浮点精度由 stash_type 属性决定。例如，如果 stash_type 为 1，则运算符将所有输入变量转换为 32 位浮点数，执行计算，最后将归一化结果转换回 X 的原始类型。第二阶段不依赖于 stash_type。

当组数与通道数相同时，此运算符等同于 InstanceNormalization。当只有一个组时，此运算符等同于 LayerNormalization。

属性

  • epsilon - FLOAT (默认为 '1e-05')

    用于避免除以零的 epsilon 值。

  • num_groups - INT (必需)

    通道组的数量。它应该是通道数 C 的一个除数。

  • stash_type - INT (默认为 '1')

    计算第一阶段使用的浮点精度。

输入

  • X (异构) - T

    输入数据张量。图像情况的维度为 (N x C x H x W)，其中 N 是批大小，C 是通道数，H 和 W 是数据的高度和宽度。统计数据是针对每个通道组在 C、H 和 W 上计算的。对于非图像情况，维度形式为 (N x C x D1 x D2 ... Dn)。

  • scale (异构) - T

    形状为 (C) 的缩放张量。

  • bias (异构) - T

    形状为 (C) 的偏置张量。

输出

  • Y (异构) - T

    与 X 形状相同的输出张量。

类型约束

  • T 在 ( tensor(bfloat16), tensor(double), tensor(float), tensor(float16) ) 中

    将输入和输出类型限制为浮点张量。

GroupNormalization - 18

版本

此版本的运算符已弃用 自版本 18 起。

摘要

一个 GroupNormalization 函数。执行论文 https://arxiv.org/abs/1803.08494 中描述的组归一化。

该运算符根据以下方式转换输入

y = scale * (x - mean) / sqrt(variance + epsilon) + bias,

其中，均值和方差是按实例、按通道组计算的，scale 和 bias 应为每个通道组指定。组的数量 num_groups 应能被通道数整除，以便每组通道数量相等。

当组数与通道数相同时，此运算符等同于 InstanceNormalization。当只有一个组时，此运算符等同于 LayerNormalization。

属性

  • epsilon - FLOAT (默认为 '1e-05')

    用于避免除以零的 epsilon 值。

  • num_groups - INT (必需)

    通道组的数量。它应该是通道数 C 的一个除数。

输入

  • X (异构) - T

    输入数据张量。图像情况的维度为 (N x C x H x W)，其中 N 是批大小，C 是通道数，H 和 W 是数据的高度和宽度。统计数据是针对每个通道组在 C、H 和 W 上计算的。对于非图像情况，维度形式为 (N x C x D1 x D2 ... Dn)。

  • scale (异构) - T

    形状为 (num_groups) 的缩放张量。

  • bias (异构) - T

    形状为 (num_groups) 的偏置张量。

输出

  • Y (异构) - T

    与 X 形状相同的输出张量。

类型约束

  • T 在 ( tensor(bfloat16), tensor(double), tensor(float), tensor(float16) ) 中

    将输入和输出类型限制为浮点张量。