ReduceL2

ReduceL2 - 18

版本

  • 名称: ReduceL2 (GitHub)

  • : 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

  • 名称: ReduceL2 (GitHub)

  • : 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

  • 名称: ReduceL2 (GitHub)

  • : 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

  • 名称: ReduceL2 (GitHub)

  • : 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。