کلاس نهایی عمومی QuantizedBatchNormWithGlobalNormalization
نرمال سازی دسته ای کوانتیزه شده
این عملیات منسوخ شده است و در آینده حذف خواهد شد. tf.nn.batch_normalization
را ترجیح دهید.
ثابت ها
رشته | OP_NAME | نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود |
روش های عمومی
static <U گسترش TType ، T گسترش TType > QuantizedBatchNormWithGlobalNormalization <U> | ایجاد ( دامنه دامنه ، عملوند <T> t، عملوند < TFloat32 > tMin، عملوند < TFloat32 > tMax، عملوند <T> m، عملوند < TFloat32 > mMin، عملوند < TFloat32 > mMax، عملوند <T> v، عملوند < TFloat32 > vMin، Operand < TFloat32 > vMax، Operand <T> بتا، Operand < TFloat32 > betaMin، Operand < TFloat32 > betaMax، Operand <T> گاما، Operand < TFloat32 > gammaMin، Operand < TFloat32 > Classy<UMax> ، واریانس شناور اپسیلون، مقیاس بولی پس از عادی سازی) روش کارخانه برای ایجاد کلاسی که یک عملیات جدید QuantizedBatchNormWithGlobalNormalization را بسته بندی می کند. |
خروجی <U> | نتیجه () |
خروجی < TFloat32 > | resultMax () |
خروجی < TFloat32 > | نتیجه حداقل () |
روش های ارثی
ثابت ها
رشته نهایی ثابت عمومی OP_NAME
نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود
مقدار ثابت: "QuantizedBatchNormWithGlobalNormalization"
روش های عمومی
عمومی استاتیک QuantizedBatchNormWithGlobalNormalization <U> ایجاد ( محدوده دامنه، عملوند <T> t، عملوند < TFloat32 > tMin، عملوند < TFloat32 > tMax، عملوند <T> m، عملوند < TFloat32 > mMin، عملوند < TFloat32 mT> > v، عملوند < TFloat32 > vMin، عملوند < TFloat32 > vMax ، عملوند <T> بتا، عملوند < TFloat32 > betaMin، عملوند < TFloat32 > betaMax، عملوند <T> گاما، عملوند < TFloat32 > gammaFammama32 > , Class<U> outType, Float varianceEpsilon, Boolean scaleAfterNormalization)
روش کارخانه برای ایجاد کلاسی که یک عملیات جدید QuantizedBatchNormWithGlobalNormalization را بسته بندی می کند.
مولفه های
محدوده | محدوده فعلی |
---|---|
تی | یک تانسور ورودی 4 بعدی |
tMin | مقداری که با کمترین ورودی کوانتیزه شده نشان داده می شود. |
tMax | مقداری که با بالاترین ورودی کوانتیزه شده نشان داده می شود. |
متر | یک تانسور میانگین 1 بعدی با اندازه مطابق با آخرین بعد t. این اولین خروجی از tf.nn.moments یا میانگین متحرک ذخیره شده آن است. |
میلی دقیقه | مقداری که با کمترین میانگین کوانتیزه شده نشان داده می شود. |
mMax | مقداری که با بالاترین میانگین کوانتیزه شده نشان داده می شود. |
v | یک تانسور واریانس 1 بعدی با اندازه مطابق با آخرین بعد t. این دومین خروجی از tf.nn.moments یا میانگین متحرک ذخیره شده آن است. |
vMin | مقداری که با کمترین واریانس کوانتیزه نشان داده می شود. |
vMax | مقداری که با بالاترین واریانس کوانتیزه شده نشان داده می شود. |
بتا | یک تانسور بتا یک بعدی با اندازه مطابق با آخرین بعد t. یک افست که باید به تانسور نرمال شده اضافه شود. |
betaMin | مقداری که با کمترین افست کوانتیزه نشان داده می شود. |
betaMax | مقداری که با بالاترین افست کوانتیزه شده نشان داده می شود. |
گاما | یک تانسور گاما 1 بعدی با اندازه مطابق با آخرین بعد t. اگر "scale_after_normalization" درست باشد، این تانسور با تانسور نرمال شده ضرب می شود. |
gammaMin | مقداری که با کمترین گامای کوانتیزه نشان داده می شود. |
gammaMax | مقداری که با بالاترین گامای کوانتیزه شده نشان داده می شود. |
واریانس اپسیلون | یک عدد شناور کوچک برای جلوگیری از تقسیم بر 0. |
scaleAfterNormalization | یک بولی که نشان می دهد آیا تانسور حاصل باید با گاما ضرب شود یا خیر. |
برمی گرداند
- یک نمونه جدید از QuantizedBatchNormWithGlobalNormalization