全局Lp池

GlobalLpPool - 22

版本

  • 名称: GlobalLpPool (GitHub)

  • 域名: main

  • since_version: 22

  • 函数: False

  • support_level: SupportType.COMMON

  • 形状推断: True

此版本的运算符自版本22起可用。

摘要

GlobalLpPool 消耗一个输入张量 X 并在同一通道中的值上应用 lp 池化。这等同于使用核大小等于输入张量空间维度的 LpPool。

属性

  • p - INT (默认为 '2'):

    用于对输入数据进行池化的Lp范数的p值。

输入

  • X (异构) - T:

    来自前一个操作符的输入数据张量；对于图像情况，维度为（N x C x H x W），其中N是批量大小，C是通道数，H和W是数据的高度和宽度。对于非图像情况，维度形式为（N x C x D1 x D2 … Dn），其中N是批量大小。

输出

  • Y (异构) - T:

    从输入张量的池化操作中输出的数据张量。输出张量的秩与输入相同。输出形状的前两个维度与输入相同（N x C），而其他维度均为1。

类型约束

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

    将输入和输出类型限制为浮点张量。

GlobalLpPool - 2

版本

  • 名称: GlobalLpPool (GitHub)

  • 域名: main

  • since_version: 2

  • 函数: False

  • support_level: SupportType.COMMON

  • 形状推断: True

此版本的运算符自版本2起可用。

摘要

GlobalLpPool 消耗一个输入张量 X 并在同一通道中的值上应用 lp 池化。这相当于使用核大小等于输入张量空间维度的 LpPool。

属性

  • p - INT (默认为 '2'):

    用于对输入数据进行池化的Lp范数的p值。

输入

  • X (异构) - T:

    来自前一个操作符的输入数据张量；对于图像情况，维度为（N x C x H x W），其中N是批量大小，C是通道数，H和W是数据的高度和宽度。对于非图像情况，维度形式为（N x C x D1 x D2 … Dn），其中N是批量大小。

输出

  • Y (异构) - T:

    从输入张量的池化操作中输出的数据张量。输出张量的秩与输入相同。输出形状的前两个维度与输入相同（N x C），而其他维度均为1。

类型约束

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

    将输入和输出类型限制为浮点张量。

GlobalLpPool - 1

版本

  • 名称: GlobalLpPool (GitHub)

  • 域名: main

  • since_version: 1

  • 函数: False

  • support_level: SupportType.COMMON

  • 形状推断: False

此版本的运算符自版本1起可用。

总结

GlobalLpPool 消耗一个输入张量 X 并在同一通道中的值上应用 lp 池化。这相当于使用与输入张量的空间维度相等的核大小的 LpPool。

属性

  • p - FLOAT (默认值为 '2.0'):

    用于对输入数据进行池化的Lp范数的p值，默认值为2.0。

输入

  • X (异构) - T:

    输入数据张量来自前一个操作符；图像情况下的维度为（N x C x H x W），其中N是批量大小，C是通道数，H和W是数据的高度和宽度。对于非图像情况，维度形式为（N x C x D1 x D2 … Dn），其中N是批量大小。

输出

  • Y (异构) - T:

    从输入张量的池化操作中输出的数据张量。维度将为 N x C x 1 x 1

类型约束

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

    将输入和输出类型限制为浮点张量。