GlobalLpPool¶
GlobalLpPool - 22¶
版本¶
網域：
mainsince_version：
22function：
Falsesupport_level：
SupportType.COMMON形狀推論：
True
此運算子的版本自第 22 版開始提供。
摘要¶
GlobalLpPool 會消耗輸入張量 X，並在相同通道中的值上套用 lp 池化。這相當於 LpPool，其核心大小等於輸入張量的空間維度。
屬性¶
p - INT (預設值為
'2')用於對輸入資料進行池化的 Lp 範數的 p 值。
輸入¶
X (異質) - T
來自先前運算子的輸入資料張量；影像案例的維度為 (N x C x H x W)，其中 N 是批次大小，C 是通道數，而 H 和 W 是資料的高度和寬度。對於非影像案例，維度形式為 (N x C x D1 x D2 … Dn)，其中 N 是批次大小。
輸出¶
Y (異質) - T
來自跨輸入張量池化的輸出資料張量。輸出張量具有與輸入相同的等級。輸出形狀的前兩個維度與輸入 (N x C) 相同，而其他維度全為 1。
類型限制¶
T 在 (
tensor(bfloat16),tensor(double),tensor(float),tensor(float16))將輸入和輸出類型限制為浮點張量。
GlobalLpPool - 2¶
版本¶
網域：
mainsince_version：
2function：
Falsesupport_level：
SupportType.COMMON形狀推論：
True
此運算子的版本自第 2 版開始提供。
摘要¶
GlobalLpPool 會消耗輸入張量 X，並在相同通道中的值上套用 lp 池化。這相當於 LpPool，其核心大小等於輸入張量的空間維度。
屬性¶
p - INT (預設值為
'2')用於對輸入資料進行池化的 Lp 範數的 p 值。
輸入¶
X (異質) - T
來自先前運算子的輸入資料張量；影像案例的維度為 (N x C x H x W)，其中 N 是批次大小，C 是通道數，而 H 和 W 是資料的高度和寬度。對於非影像案例，維度形式為 (N x C x D1 x D2 … Dn)，其中 N 是批次大小。
輸出¶
Y (異質) - T
來自跨輸入張量池化的輸出資料張量。輸出張量具有與輸入相同的等級。輸出形狀的前兩個維度與輸入 (N x C) 相同，而其他維度全為 1。
類型限制¶
T 在 (
tensor(double),tensor(float),tensor(float16))將輸入和輸出類型限制為浮點張量。
GlobalLpPool - 1¶
版本¶
網域：
mainsince_version：
1function：
Falsesupport_level：
SupportType.COMMON形狀推論：
False
此運算子的版本自第 1 版開始提供。
摘要¶
GlobalLpPool 會消耗輸入張量 X，並在相同通道中的值上套用 lp 池化。這相當於 LpPool，其核心大小等於輸入張量的空間維度。
屬性¶
p - FLOAT (預設值為
'2.0')用於對輸入資料進行池化的 Lp 範數的 p 值，預設值為 2.0。
輸入¶
X (異質) - T
來自先前運算子的輸入資料張量；影像案例的維度為 (N x C x H x W)，其中 N 是批次大小，C 是通道數，而 H 和 W 是資料的高度和寬度。對於非影像案例，維度形式為 (N x C x D1 x D2 … Dn)，其中 N 是批次大小。
輸出¶
Y (異質) - T
來自跨輸入張量池化的輸出資料張量。維度將為 N x C x 1 x 1
類型限制¶
T 在 (
tensor(double),tensor(float),tensor(float16))將輸入和輸出類型限制為浮點張量。