DML_AVERAGE_POOLING_GRAD_OPERATOR_DESC 結構 (directml.h)

計算平均集區 (的反向傳播漸層，請參閱 DML_AVERAGE_POOLING_OPERATOR_DESC) 。

請考慮執行下列作業的 2x2 DML_AVERAGE_POOLING_OPERATOR_DESC，而不需填補和 1 的步幅。

InputTensor             OutputTensor
[[[[1, 2, 3],   AvgPool  [[[[3, 4],
   [4, 5, 6],     -->       [6, 7]]]]
   [7, 8, 9]]]]

輸入張量中的每個 2x2 視窗都會平均產生輸出的一個元素， (讀取超過邊緣) 的元素。 以下是指定類似參數 DML_AVERAGE_POOLING_GRAD_OPERATOR_DESC 輸出的範例。

InputGradientTensor            OutputGradientTensor
  [[[[1, 2],     AvgPoolGrad  [[[[0.25, 0.75, 0.5],
     [3, 4]]]]       -->         [   1,  2.5, 1.5],
                                 [0.75, 1.75,   1]]]]

請注意，OutputGradientTensor 中的值代表原始DML_AVERAGE_POOLING_OPERATOR_DESC運算符期間，該元素對 OutputTensor 的加權貢獻。

語法

struct DML_AVERAGE_POOLING_GRAD_OPERATOR_DESC {
  const DML_TENSOR_DESC *InputGradientTensor;
  const DML_TENSOR_DESC *OutputGradientTensor;
  UINT                  DimensionCount;
  const UINT            *Strides;
  const UINT            *WindowSize;
  const UINT            *StartPadding;
  const UINT            *EndPadding;
  BOOL                  IncludePadding;
};

成員

InputGradientTensor

類型： const DML_TENSOR_DESC*

傳入漸層張量。 這通常是從上層的反向傳播輸出取得。 一般而言，這個張量的大小與正向中對應DML_AVERAGE_POOLING_OPERATOR_DESC的輸出大小相同。

OutputGradientTensor

類型： const DML_TENSOR_DESC*

包含backpropagated漸層的輸出張量。 一般而言，這個張量的大小與正向中對應DML_AVERAGE_POOLING_OPERATOR_DESC的輸入大小相同。

DimensionCount

類型： UINT

Strides、WindowSize、StartPadding 和 EndPadding 陣列中的元素數目。 此值必須等於空間維度計數。 如果提供 4D 張量，則空間維度計數為 2，如果提供 5D 張量則為 3。

Strides

類型：_Field_size_ (DimensionCount) const UINT*

請參閱DML_AVERAGE_POOLING_OPERATOR_DESC中的步進。

WindowSize

類型：_Field_size_ (DimensionCount) const UINT*

請參閱 DML_AVERAGE_POOLING_OPERATOR_DESC 中的 WindowSize。

StartPadding

類型：_Field_size_ (DimensionCount) const UINT*

請參閱 DML_AVERAGE_POOLING_OPERATOR_DESC 中的 StartPadding。

EndPadding

類型：_Field_size_ (DimensionCount) const UINT*

請參閱 DML_AVERAGE_POOLING_OPERATOR_DESC 中的 EndPadding。

IncludePadding

類型： BOOL

請參閱 DML_AVERAGE_POOLING_OPERATOR_DESC 中的 IncludePadding。

可用性

這個運算子是在 中 DML_FEATURE_LEVEL_3_0引進的。

Tensor 條件約束

InputGradientTensor 和 OutputGradientTensor 必須具有相同 的 DataType 和 DimensionCount。

Tensor 支援

張	種類	支援的維度計數	支援的資料類型
InputGradientTensor	輸入	4 到 5	FLOAT32、FLOAT16
OutputGradientTensor	輸出	4 到 5	FLOAT32、FLOAT16

規格需求

需求	值
最低支援的用戶端	Windows 10 組建 20348
最低支援的伺服器	Windows 10 組建 20348
標頭	directml.h