Merken Sie den Termin vor! Google I / O kehrt vom 18. bis 20. Mai zurück Registrieren Sie sich jetzt
Diese Seite wurde von der Cloud Translation API übersetzt.
Switch to English

Tensorflow :: ops :: QuantizedBatchNormWithGlobalNormalization

#include <nn_ops.h>

Quantisierte Chargennormalisierung.

Zusammenfassung

Diese Operation ist veraltet und wird in Zukunft entfernt. Bevorzugen Sie tf.nn.batch_normalization .

Argumente:

  • scope: Ein Scope- Objekt
  • t: A 4D Eingang Tensor .
  • t_min: Der Wert, der durch die niedrigste quantisierte Eingabe dargestellt wird.
  • t_max: Der Wert, der durch die höchste quantisierte Eingabe dargestellt wird.
  • m: Ein 1D-Mittelwert- Tensor mit einer Größe, die der letzten Dimension von t entspricht. Dies ist die erste Ausgabe von tf.nn.moments oder ein gespeicherter gleitender Durchschnitt davon.
  • m_min: Der Wert, der durch den niedrigsten quantisierten Mittelwert dargestellt wird.
  • m_max: Der Wert, der durch den höchsten quantisierten Mittelwert dargestellt wird.
  • v: Ein 1D- Varianztensor mit einer Größe, die der letzten Dimension von t entspricht. Dies ist die zweite Ausgabe von tf.nn.moments oder ein gespeicherter gleitender Durchschnitt davon.
  • v_min: Der Wert, der durch die niedrigste quantisierte Varianz dargestellt wird.
  • v_max: Der Wert, der durch die höchste quantisierte Varianz dargestellt wird.
  • Beta: Ein 1D Beta- Tensor mit einer Größe, die der letzten Dimension von t entspricht. Ein Offset, der dem normalisierten Tensor hinzugefügt werden soll.
  • beta_min: Der Wert, der durch den niedrigsten quantisierten Offset dargestellt wird.
  • beta_max: Der Wert, der durch den höchsten quantisierten Offset dargestellt wird.
  • Gamma: Ein 1D-Gamma- Tensor mit einer Größe, die der letzten Dimension von t entspricht. Wenn "scale_after_normalization" wahr ist, wird dieser Tensor mit dem normalisierten Tensor multipliziert.
  • gamma_min: Der Wert, der durch das niedrigste quantisierte Gamma dargestellt wird.
  • gamma_max: Der Wert, der durch das höchste quantisierte Gamma dargestellt wird.
  • Varianz_epsilon: Eine kleine Gleitkommazahl, um eine Division durch 0 zu vermeiden.
  • scale_after_normalization: Ein Bool, der angibt, ob der resultierende Tensor mit Gamma multipliziert werden muss.

Kehrt zurück:

Konstruktoren und Destruktoren

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)

Öffentliche Attribute

operation
result
result_max
result_min

Öffentliche Attribute

Operation

Operation operation

Ergebnis

::tensorflow::Output result

result_max

::tensorflow::Output result_max

result_min

::tensorflow::Output result_min

Öffentliche Funktionen

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
)