DML_MEAN_VARIANCE_NORMALIZATION_OPERATOR_DESC-Struktur (directml.h)
Führt eine Mittlere Varianznormalisierungsfunktion für den Eingabe tensor aus. Dieser Operator berechnet den Mittelwert und die Varianz des Eingabe-Tensors, um die Normalisierung durchzuführen. Dieser Operator führt die folgende Berechnung aus.
Output = FusedActivation(Scale * ((Input - Mean) / sqrt(Variance + Epsilon)) + Bias).
Syntax
struct DML_MEAN_VARIANCE_NORMALIZATION_OPERATOR_DESC {
const DML_TENSOR_DESC *InputTensor;
const DML_TENSOR_DESC *ScaleTensor;
const DML_TENSOR_DESC *BiasTensor;
const DML_TENSOR_DESC *OutputTensor;
BOOL CrossChannel;
BOOL NormalizeVariance;
FLOAT Epsilon;
const DML_OPERATOR_DESC *FusedActivation;
};
Member
InputTensor
Typ: const DML_TENSOR_DESC*
Ein Tensor, der die Eingabedaten enthält. Die Dimensionen dieses Tensors sollten sein { BatchCount, ChannelCount, Height, Width }.
ScaleTensor
Typ: _Maybenull_ const DML_TENSOR_DESC*
Ein optionaler Tensor, der die Skalierungsdaten enthält. Die Dimensionen dieses Tensors sollten sein { BatchCount, ChannelCount, Height, Width }. Jede Dimension kann durch 1 ersetzt werden, um in dieser Dimension zu senden. Wenn DML_FEATURE_LEVEL kleiner als DML_FEATURE_LEVEL_5_2 ist, ist dieser Tensor erforderlich, wenn BiasTensor vorhanden ist. Wenn DML_FEATURE_LEVEL größer oder gleich DML_FEATURE_LEVEL_5_2 ist, kann dieser Tensor unabhängig vom Wert von BiasTensor NULL sein.
BiasTensor
Typ: _Maybenull_ const DML_TENSOR_DESC*
Ein optionaler Tensor, der die Biasdaten enthält. Die Dimensionen dieses Tensors sollten sein { BatchCount, ChannelCount, Height, Width }. Jede Dimension kann durch 1 ersetzt werden, um in dieser Dimension zu senden. Wenn DML_FEATURE_LEVEL kleiner als DML_FEATURE_LEVEL_5_2 ist, ist dieser Tensor erforderlich, wenn ScaleTensor vorhanden ist. Wenn DML_FEATURE_LEVEL größer oder gleich DML_FEATURE_LEVEL_5_2 ist, kann dieser Tensor unabhängig vom Wert von ScaleTensor NULL sein.
OutputTensor
Typ: const DML_TENSOR_DESC*
Ein Tensor, in den die Ergebnisse geschrieben werden sollen. Die Dimensionen dieses Tensors sind { BatchCount, ChannelCount, Height, Width }.
CrossChannel
Typ: BOOL
Bei TRUE schließt die MeanVariance-Ebene Kanäle in die Mittel- und Varianzberechnungen ein, was bedeutet, dass sie achsenübergreifend {ChannelCount, Height, Width}normalisiert werden. Wenn FALSE, Mittelwert- und Varianzberechnungen achsenübergreifend {Height, Width} normalisiert werden, wobei jeder Kanal unabhängig ist.
NormalizeVariance
Typ: BOOL
TRUE , wenn die Normalisierungsebene Variance in die Normalisierungsberechnung einschließt. Andernfalls FALSE. Wenn FALSE, ist die Normalisierungsgleichung Output = FusedActivation(Scale * (Input - Mean) + Bias).
Epsilon
Typ: FLOAT
Der Epsilonwert, der verwendet werden soll, um eine Aufteilung durch null zu vermeiden. Als Standard wird der Wert 0,00001 empfohlen.
FusedActivation
Typ: _Maybenull_ const DML_OPERATOR_DESC*
Eine optionale fusionierte Aktivierungsebene, die nach der Normalisierung angewendet werden soll. Weitere Informationen finden Sie unter Verwenden von fusionierten Operatoren für verbesserte Leistung.
Hinweise
Eine neuere Version dieses Operators, DML_MEAN_VARIANCE_NORMALIZATION1_OPERATOR_DESC, wurde in DML_FEATURE_LEVEL_2_1eingeführt.
Verfügbarkeit
Dieser Operator wurde in DML_FEATURE_LEVEL_1_0eingeführt.
Tensoreinschränkungen
- InputTensor und OutputTensor müssen die gleichen Größen aufweisen.
- BiasTensor, InputTensor, OutputTensor und ScaleTensor müssen denselben DataType aufweisen.
Tensorunterstützung
| Tensor | Variante | Dimensionen | Unterstützte Dimensionsanzahl | Unterstützte Datentypen |
|---|---|---|---|---|
| InputTensor | Eingabe | { BatchCount, ChannelCount, Height, Width } | 4 | FLOAT32, FLOAT16 |
| ScaleTensor | Optionale Eingabe | { ScaleBatchCount, ScaleChannelCount, ScaleHeight, ScaleWidth } | 4 | FLOAT32, FLOAT16 |
| BiasTensor | Optionale Eingabe | { BiasBatchCount, BiasChannelCount, BiasHeight, BiasWidth } | 4 | FLOAT32, FLOAT16 |
| OutputTensor | Ausgabe | { BatchCount, ChannelCount, Height, Width } | 4 | FLOAT32, FLOAT16 |
Anforderungen
| Kopfzeile | directml.h |