ReduceL2¶
ReduceL2 - 18¶
版本¶
域:
main
起始版本:
18
函数:
True
支持级别:
SupportType.COMMON
Shape 推断:
True
此版本算子自 **版本 18** 起可用。
摘要¶
计算输入张量沿指定轴的 L2 范数。如果 keepdims
等于 1,结果张量与输入具有相同的秩。如果 keepdims
等于 0,则结果张量会移除被降维的维度。秩为零的输入张量是有效的。对空值集进行求范数结果为 0。
上述行为与 numpy 类似,不同之处在于 numpy 的 keepdims
默认为 False
而非 True
。
函数体¶
此算子的函数定义。
<
domain: "",
opset_import: ["" : 18]
>
ReduceL2 <noop_with_empty_axes,keepdims>(data, axes) => (reduced)
{
data_square = Mul (data, data)
sum_square = ReduceSum <keepdims: int = @keepdims> (data_square, axes)
sum_square_dbl = Cast <to: int = 1> (sum_square)
sqrt = Sqrt (sum_square_dbl)
reduced = CastLike (sqrt, data)
}
属性¶
keepdims - INT (默认为
'1'
)是否保留被降维的维度,默认为 1 表示保留。
noop_with_empty_axes - INT (默认为
'0'
)定义当 ‘axes’ 为空时的行为。默认为 ‘false’ 的行为是降低所有轴。当 axes 为空且此属性设置为 true 时,输入张量不会被降维,输出张量将等同于输入张量。
输入¶
1 到 2 个输入。
data (异构) - T
输入张量。
axes (可选,异构) - tensor(int64)
可选的整数输入列表,指定沿哪些轴进行降维。如果 ‘noop_with_empty_axes’ 为 false,默认为对输入张量的所有维度进行降维;否则,当 ‘noop_with_empty_axes’ 为 true 时,其作用等同于 Identity 算子。接受的范围是 [-r, r-1],其中 r = rank(data)。
输出¶
reduced (异构) - T
降维后的输出张量。
类型约束¶
T 包含 (
tensor(bfloat16)
,tensor(double)
,tensor(float)
,tensor(float16)
,tensor(int32)
,tensor(int64)
,tensor(uint32)
,tensor(uint64)
)限制输入和输出类型为数值张量。
ReduceL2 - 13¶
版本¶
域:
main
起始版本:
13
函数:
False
支持级别:
SupportType.COMMON
Shape 推断:
True
此版本算子自 **版本 13** 起可用。
摘要¶
计算输入张量沿指定轴的 L2 范数。如果 keepdims
等于 1,结果张量与输入具有相同的秩。如果 keepdims
等于 0,则结果张量会移除被降维的维度。秩为零的输入张量是有效的。对空值集进行求范数结果为 0。
上述行为与 numpy 类似,不同之处在于 numpy 的 keepdims
默认为 False
而非 True
。
属性¶
axes - INTS :
整数列表,指定沿哪些轴进行降维。默认为对输入张量的所有维度进行降维。接受的范围是 [-r, r-1],其中 r = rank(data)。
keepdims - INT (默认为
'1'
)是否保留被降维的维度,默认为 1 表示保留。
输入¶
data (异构) - T
输入张量。
输出¶
reduced (异构) - T
降维后的输出张量。
类型约束¶
T 包含 (
tensor(bfloat16)
,tensor(double)
,tensor(float)
,tensor(float16)
,tensor(int32)
,tensor(int64)
,tensor(uint32)
,tensor(uint64)
)限制输入和输出类型为数值张量。
ReduceL2 - 11¶
版本¶
域:
main
起始版本:
11
函数:
False
支持级别:
SupportType.COMMON
Shape 推断:
True
此版本算子自 **版本 11** 起可用。
摘要¶
计算输入张量沿指定轴的 L2 范数。如果 keepdims 等于 1,结果张量与输入具有相同的秩。如果 keepdims 等于 0,则结果张量会移除被降维的维度。
上述行为与 numpy 类似,不同之处在于 numpy 的 keepdims 默认为 False 而非 True。
属性¶
axes - INTS :
整数列表,指定沿哪些轴进行降维。默认为对输入张量的所有维度进行降维。接受的范围是 [-r, r-1],其中 r = rank(data)。
keepdims - INT (默认为
'1'
)是否保留被降维的维度,默认为 1 表示保留。
输入¶
data (异构) - T
输入张量。
输出¶
reduced (异构) - T
降维后的输出张量。
类型约束¶
T 包含 (
tensor(double)
,tensor(float)
,tensor(float16)
,tensor(int32)
,tensor(int64)
,tensor(uint32)
,tensor(uint64)
)限制输入和输出类型为高精度数值张量。
ReduceL2 - 1¶
版本¶
域:
main
起始版本:
1
函数:
False
支持级别:
SupportType.COMMON
Shape 推断:
True
此版本算子自 **版本 1** 起可用。
摘要¶
计算输入张量沿指定轴的 L2 范数。如果 keepdims 等于 1,结果张量与输入具有相同的秩。如果 keepdims 等于 0,则结果张量会移除被降维的维度。秩为零的输入张量是有效的。对空值集进行求范数结果为 0。
上述行为与 numpy 类似,不同之处在于 numpy 的 keepdims 默认为 False 而非 True。
属性¶
axes - INTS :
整数列表,指定沿哪些轴进行降维。默认为对输入张量的所有维度进行降维。
keepdims - INT (默认为
'1'
)是否保留被降维的维度,默认为 1 表示保留。
输入¶
data (异构) - T
输入张量。
输出¶
reduced (异构) - T
降维后的输出张量。
类型约束¶
T 包含 (
tensor(double)
,tensor(float)
,tensor(float16)
,tensor(int32)
,tensor(int64)
,tensor(uint32)
,tensor(uint64)
)限制输入和输出类型为高精度数值张量。