MeanVarianceNormalization

MeanVarianceNormalization - 13

版本

此版本的運算子已於版本 13 開始提供。

摘要

MeanVarianceNormalization 函數：使用公式 (X-EX)/sqrt(E(X-EX)^2) 對輸入張量 X 執行均值變異數正規化。

函數主體

此運算子的函數定義。

<
  domain: "",
  opset_import: ["" : 18]
>
MeanVarianceNormalization <axes>(X) => (Y)
{
   Exponent = Constant <value: tensor = float {2}> ()
   Epsilon = Constant <value: tensor = float {1e-09}> ()
   axes = Constant <value_ints: ints = @axes> ()
   X_RM = ReduceMean (X, axes)
   EX_squared = Pow (X_RM, Exponent)
   X_squared = Pow (X, Exponent)
   E_Xsquared = ReduceMean (X_squared, axes)
   Variance = Sub (E_Xsquared, EX_squared)
   STD = Sqrt (Variance)
   X_variance = Sub (X, X_RM)
   Processed_STD = Add (STD, Epsilon)
   Y = Div (X_variance, Processed_STD)
}

屬性

  • axes - INTS (預設值為 ['0', '2', '3'])

    一個整數列表，沿著這些整數進行縮減。預設值是沿著軸 [0,2,3] 計算，以計算每個通道的平均值和變異數。具有相同 C 座標的兩個變數與相同的平均值和變異數相關聯。

輸入

  • X (異質) - T

    輸入張量

輸出

  • Y (異質) - T

    輸出張量

類型約束

  • T 在 ( tensor(bfloat16), tensor(double), tensor(float), tensor(float16) ) 中

    將輸入和輸出類型限制為所有數值張量。

MeanVarianceNormalization - 9

版本

此版本的運算子已於版本 9 開始提供。

摘要

MeanVarianceNormalization 函數：使用公式對輸入張量 X 執行均值變異數正規化
(X-EX)/sqrt(E(X-EX)^2)

函數主體

此運算子的函數定義。

<
  domain: "",
  opset_import: ["" : 9]
>
MeanVarianceNormalization <axes>(X) => (Y)
{
   Exponent = Constant <value: tensor = float {2}> ()
   Epsilon = Constant <value: tensor = float {1e-09}> ()
   X_RM = ReduceMean <axes: ints = @axes> (X)
   EX_squared = Pow (X_RM, Exponent)
   X_squared = Pow (X, Exponent)
   E_Xsquared = ReduceMean <axes: ints = @axes> (X_squared)
   Variance = Sub (E_Xsquared, EX_squared)
   STD = Sqrt (Variance)
   X_variance = Sub (X, X_RM)
   Processed_STD = Add (STD, Epsilon)
   Y = Div (X_variance, Processed_STD)
}

屬性

  • axes - INTS (預設值為 ['0', '2', '3'])

    一個整數列表，沿著這些整數進行縮減。預設值是沿著軸 [0,2,3] 計算，以計算每個通道的平均值和變異數。具有相同 C 座標的兩個變數與相同的平均值和變異數相關聯。

輸入

  • X (異質) - T

    輸入張量

輸出

  • Y (異質) - T

    輸出張量

類型約束

  • T 在 ( tensor(double), tensor(float), tensor(float16) ) 中

    將輸入和輸出類型限制為所有數值張量。