جریان تنسور:: عملیات:: QuantizedBatchNormWithGlobalNormalization
#include <nn_ops.h>
نرمال سازی دسته ای کوانتیزه شده
خلاصه
این عملیات منسوخ شده است و در آینده حذف خواهد شد. tf.nn.batch_normalization
را ترجیح دهید.
استدلال ها:
- scope: یک شی Scope
- t: یک تانسور ورودی 4 بعدی.
- t_min: مقداری که با کمترین ورودی کوانتیزه شده نشان داده می شود.
- t_max: مقداری که با بالاترین ورودی کوانتیزه شده نشان داده می شود.
- m: 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.
- m_min: مقداری که با کمترین میانگین کوانتیزه شده نشان داده می شود.
- m_max: 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.
- v_min: مقداری که با کمترین واریانس کوانتیزه نشان داده می شود.
- v_max: مقداری که با بالاترین واریانس کوانتیزه شده نشان داده می شود.
- بتا: یک تانسور بتا 1 بعدی با اندازه مطابق با آخرین بعد t. یک افست که باید به تانسور نرمال شده اضافه شود.
- beta_min: مقداری که با کمترین افست کوانتیزه نشان داده می شود.
- beta_max: 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.
- gamma_min: مقداری که با کمترین گامای کوانتیزه شده نشان داده می شود.
- gamma_max: مقداری که با بالاترین گامای کوانتیزه شده نشان داده می شود.
- variance_epsilon: یک عدد شناور کوچک برای جلوگیری از تقسیم بر 0.
- scale_after_normalization: یک بولی که نشان می دهد آیا تانسور حاصل باید با گاما ضرب شود یا خیر.
برمی گرداند:
سازندگان و ویرانگرها | |
---|---|
QuantizedBatchNormWithGlobalNormalization (const :: tensorflow::Scope & scope, :: tensorflow::Input t, :: tensorflow::Input t_min, :: tensorflow::Input t_max, :: tensorflow::Input m, :: tensorflow::Input m_min, :: tensorflow::Input m_max, :: tensorflow::Input v, :: tensorflow::Input v_min, :: tensorflow::Input v_max, :: tensorflow::Input beta, :: tensorflow::Input beta_min, :: tensorflow::Input beta_max, :: tensorflow::Input gamma, :: tensorflow::Input gamma_min, :: tensorflow::Input gamma_max, DataType out_type, float variance_epsilon, bool scale_after_normalization) |
صفات عمومی | |
---|---|
operation | |
result | |
result_max | |
result_min |
صفات عمومی
عملیات
Operation operation
نتیجه
::tensorflow::Output result
نتیجه_حداکثر
::tensorflow::Output result_max
نتیجه_دقیقه
::tensorflow::Output result_min
توابع عمومی
QuantizedBatchNormWithGlobalNormalization
QuantizedBatchNormWithGlobalNormalization( const ::tensorflow::Scope & scope, ::tensorflow::Input t, ::tensorflow::Input t_min, ::tensorflow::Input t_max, ::tensorflow::Input m, ::tensorflow::Input m_min, ::tensorflow::Input m_max, ::tensorflow::Input v, ::tensorflow::Input v_min, ::tensorflow::Input v_max, ::tensorflow::Input beta, ::tensorflow::Input beta_min, ::tensorflow::Input beta_max, ::tensorflow::Input gamma, ::tensorflow::Input gamma_min, ::tensorflow::Input gamma_max, DataType out_type, float variance_epsilon, bool scale_after_normalization )
جز در مواردی که غیر از این ذکر شده باشد،محتوای این صفحه تحت مجوز Creative Commons Attribution 4.0 License است. نمونه کدها نیز دارای مجوز Apache 2.0 License است. برای اطلاع از جزئیات، به خطمشیهای سایت Google Developers مراجعه کنید. جاوا علامت تجاری ثبتشده Oracle و/یا شرکتهای وابسته به آن است.
تاریخ آخرین بهروزرسانی 2025-07-27 بهوقت ساعت هماهنگ جهانی.
[null,null,["تاریخ آخرین بهروزرسانی 2025-07-27 بهوقت ساعت هماهنگ جهانی."],[],[],null,["# tensorflow::ops::QuantizedBatchNormWithGlobalNormalization Class Reference\n\ntensorflow::ops::QuantizedBatchNormWithGlobalNormalization\n==========================================================\n\n`#include \u003cnn_ops.h\u003e`\n\nQuantized Batch normalization.\n\nSummary\n-------\n\nThis op is deprecated and will be removed in the future. Prefer `tf.nn.batch_normalization`.\n\nArguments:\n\n- scope: A [Scope](/versions/r2.3/api_docs/cc/class/tensorflow/scope#classtensorflow_1_1_scope) object\n- t: A 4D input [Tensor](/versions/r2.3/api_docs/cc/class/tensorflow/tensor#classtensorflow_1_1_tensor).\n- t_min: The value represented by the lowest quantized input.\n- t_max: The value represented by the highest quantized input.\n- m: A 1D mean [Tensor](/versions/r2.3/api_docs/cc/class/tensorflow/tensor#classtensorflow_1_1_tensor) with size matching the last dimension of t. This is the first output from tf.nn.moments, or a saved moving average thereof.\n- m_min: The value represented by the lowest quantized mean.\n- m_max: The value represented by the highest quantized mean.\n- v: A 1D variance [Tensor](/versions/r2.3/api_docs/cc/class/tensorflow/tensor#classtensorflow_1_1_tensor) with size matching the last dimension of t. This is the second output from tf.nn.moments, or a saved moving average thereof.\n- v_min: The value represented by the lowest quantized variance.\n- v_max: The value represented by the highest quantized variance.\n- beta: A 1D beta [Tensor](/versions/r2.3/api_docs/cc/class/tensorflow/tensor#classtensorflow_1_1_tensor) with size matching the last dimension of t. An offset to be added to the normalized tensor.\n- beta_min: The value represented by the lowest quantized offset.\n- beta_max: The value represented by the highest quantized offset.\n- gamma: A 1D gamma [Tensor](/versions/r2.3/api_docs/cc/class/tensorflow/tensor#classtensorflow_1_1_tensor) with size matching the last dimension of t. If \"scale_after_normalization\" is true, this tensor will be multiplied with the normalized tensor.\n- gamma_min: The value represented by the lowest quantized gamma.\n- gamma_max: The value represented by the highest quantized gamma.\n- variance_epsilon: A small float number to avoid dividing by 0.\n- scale_after_normalization: A bool indicating whether the resulted tensor needs to be multiplied with gamma.\n\n\u003cbr /\u003e\n\nReturns:\n\n- [Output](/versions/r2.3/api_docs/cc/class/tensorflow/output#classtensorflow_1_1_output) result\n- [Output](/versions/r2.3/api_docs/cc/class/tensorflow/output#classtensorflow_1_1_output) result_min\n- [Output](/versions/r2.3/api_docs/cc/class/tensorflow/output#classtensorflow_1_1_output) result_max\n\n\u003cbr /\u003e\n\n| ### Constructors and Destructors ||\n|---|---|\n| [QuantizedBatchNormWithGlobalNormalization](#classtensorflow_1_1ops_1_1_quantized_batch_norm_with_global_normalization_1a06c79c043a3a55b798944a5ae0a0f148)`(const ::`[tensorflow::Scope](/versions/r2.3/api_docs/cc/class/tensorflow/scope#classtensorflow_1_1_scope)` & scope, ::`[tensorflow::Input](/versions/r2.3/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` t, ::`[tensorflow::Input](/versions/r2.3/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` t_min, ::`[tensorflow::Input](/versions/r2.3/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` t_max, ::`[tensorflow::Input](/versions/r2.3/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` m, ::`[tensorflow::Input](/versions/r2.3/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` m_min, ::`[tensorflow::Input](/versions/r2.3/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` m_max, ::`[tensorflow::Input](/versions/r2.3/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` v, ::`[tensorflow::Input](/versions/r2.3/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` v_min, ::`[tensorflow::Input](/versions/r2.3/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` v_max, ::`[tensorflow::Input](/versions/r2.3/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` beta, ::`[tensorflow::Input](/versions/r2.3/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` beta_min, ::`[tensorflow::Input](/versions/r2.3/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` beta_max, ::`[tensorflow::Input](/versions/r2.3/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` gamma, ::`[tensorflow::Input](/versions/r2.3/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` gamma_min, ::`[tensorflow::Input](/versions/r2.3/api_docs/cc/class/tensorflow/input#classtensorflow_1_1_input)` gamma_max, DataType out_type, float variance_epsilon, bool scale_after_normalization)` ||\n\n| ### Public attributes ||\n|-----------------------------------------------------------------------------------------------------------------------------|---------------------------------------------------------------------------------------------------------|\n| [operation](#classtensorflow_1_1ops_1_1_quantized_batch_norm_with_global_normalization_1a84804acca133131cda9e9235b954f9af) | [Operation](/versions/r2.3/api_docs/cc/class/tensorflow/operation#classtensorflow_1_1_operation) |\n| [result](#classtensorflow_1_1ops_1_1_quantized_batch_norm_with_global_normalization_1ab4d42bdea55b03a105681930993cf3d4) | `::`[tensorflow::Output](/versions/r2.3/api_docs/cc/class/tensorflow/output#classtensorflow_1_1_output) |\n| [result_max](#classtensorflow_1_1ops_1_1_quantized_batch_norm_with_global_normalization_1aacfdd86eadc8f7972ff620b36692ef19) | `::`[tensorflow::Output](/versions/r2.3/api_docs/cc/class/tensorflow/output#classtensorflow_1_1_output) |\n| [result_min](#classtensorflow_1_1ops_1_1_quantized_batch_norm_with_global_normalization_1a608925a87be94416e98c14506e98fb64) | `::`[tensorflow::Output](/versions/r2.3/api_docs/cc/class/tensorflow/output#classtensorflow_1_1_output) |\n\nPublic attributes\n-----------------\n\n### operation\n\n```text\nOperation operation\n``` \n\n### result\n\n```text\n::tensorflow::Output result\n``` \n\n### result_max\n\n```scdoc\n::tensorflow::Output result_max\n``` \n\n### result_min\n\n```scdoc\n::tensorflow::Output result_min\n``` \n\nPublic functions\n----------------\n\n### QuantizedBatchNormWithGlobalNormalization\n\n```gdscript\n QuantizedBatchNormWithGlobalNormalization(\n const ::tensorflow::Scope & scope,\n ::tensorflow::Input t,\n ::tensorflow::Input t_min,\n ::tensorflow::Input t_max,\n ::tensorflow::Input m,\n ::tensorflow::Input m_min,\n ::tensorflow::Input m_max,\n ::tensorflow::Input v,\n ::tensorflow::Input v_min,\n ::tensorflow::Input v_max,\n ::tensorflow::Input beta,\n ::tensorflow::Input beta_min,\n ::tensorflow::Input beta_max,\n ::tensorflow::Input gamma,\n ::tensorflow::Input gamma_min,\n ::tensorflow::Input gamma_max,\n DataType out_type,\n float variance_epsilon,\n bool scale_after_normalization\n)\n```"]]