实例归一化¶
实例归一化 - 22¶
版本¶
领域:
main始于版本:
22函数:
False支持级别:
SupportType.COMMON形状推断:
True
此版本的算子自 版本 22 起可用。
摘要¶
执行论文 https://arxiv.org/abs/1607.08022 中描述的实例归一化。
y = scale * (x - mean) / sqrt(variance + epsilon) + B，其中均值 (mean) 和方差 (variance) 按实例和通道计算。
属性¶
epsilon - FLOAT (默认值为
'1e-05')用于避免除以零的 epsilon 值。
输入¶
input (异构) - T
来自前一个算子的输入数据张量；图像情况下的维度为 (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。对于非图像情况，维度形式为 (N x C x D1 x D2 … Dn)，其中 N 是批大小。
scale (异构) - T
大小为 C 的输入一维 scale 张量。
B (异构) - T
大小为 C 的输入一维 bias 张量。
输出¶
output (异构) - T
与输入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约束为浮点张量。
实例归一化 - 6¶
版本¶
领域:
main始于版本:
6函数:
False支持级别:
SupportType.COMMON形状推断:
True
此版本的算子自 版本 6 起可用。
摘要¶
执行论文 https://arxiv.org/abs/1607.08022 中描述的实例归一化。
y = scale * (x - mean) / sqrt(variance + epsilon) + B，其中均值 (mean) 和方差 (variance) 按实例和通道计算。
属性¶
epsilon - FLOAT (默认值为
'1e-05')用于避免除以零的 epsilon 值。
输入¶
input (异构) - T
来自前一个算子的输入数据张量；图像情况下的维度为 (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。对于非图像情况，维度形式为 (N x C x D1 x D2 … Dn)，其中 N 是批大小。
scale (异构) - T
大小为 C 的输入一维 scale 张量。
B (异构) - T
大小为 C 的输入一维 bias 张量。
输出¶
output (异构) - T
与输入形状相同的输出张量。
类型约束¶
T 在 (
tensor(double),tensor(float),tensor(float16)) 中将输入和输出类型约束为浮点张量。
实例归一化 - 1¶
版本¶
领域:
main始于版本:
1函数:
False支持级别:
SupportType.COMMON形状推断:
False
此版本的算子自 版本 1 起可用。
摘要¶
执行论文 https://arxiv.org/abs/1607.08022 中描述的实例归一化。
y = scale * (x - mean) / sqrt(variance + epsilon) + B，其中均值 (mean) 和方差 (variance) 按实例和通道计算。
属性¶
已消费输入 - 整数数组 :
遗留优化属性。
epsilon - FLOAT (默认值为
'1e-05')用于避免除以零的 epsilon 值，默认值为 1e-5f。
输入¶
input (异构) - T
形状为 NCHW 的四维输入张量。
scale (异构) - T
大小为 C 的输入一维 scale 张量。
B (异构) - T
大小为 C 的输入一维 bias 张量。
输出¶
output (异构) - T
与输入形状相同的四维输出张量。
类型约束¶
T 在 (
tensor(double),tensor(float),tensor(float16)) 中将输入和输出类型约束为浮点张量。