جریان تنسور:: عملیات:: QuantizedBatchNormWithGlobalNormalization

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:

• نتیجه Output
• Output نتیجه_min
• Output نتیجه_حداکثر

صفات عمومی

Operation operation

::tensorflow::Output result

::tensorflow::Output result_max

::tensorflow::Output result_min

 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
)