NormalizeOp

공개 클래스 NormalizeOp
알려진 직접 서브클래스

주어진 평균과 stddev로 TensorBuffer를 정규화합니다(output = (입력 - 평균) / stddev).

공개 생성자

NormalizeOp(부동 소수점 수 평균, float stddev)
NormalizeOp를 초기화합니다.
NormalizeOp(float[] 평균, float[] stddev)
NormalizeOp를 초기화합니다.

공개 메서드

TensorBuffer
apply(TensorBuffer 입력)
지정된 텐서에 정의된 정규화를 적용하고 결과를 반환합니다.

상속된 메서드

공개 생성자

<ph type="x-smartling-placeholder"></ph> 공개 를 통해 개인정보처리방침을 정의할 수 있습니다. NormalizeOp (부동 소수점 수 평균, 부동 stddev)

NormalizeOp를 초기화합니다. 호출하면 새 TensorBuffer가 생성됩니다. 다음을 충족시킵니다. 

   output = (input - mean) / stddev

다음 두 경우에는 mean를 0으로, stddev를 1로 재설정하여 다음을 우회합니다. 정규화를 사용합니다.
1. mean와 {code stddev}가 모두 0입니다.
2. mean는 0이고 {stddev}는 Infinity입니다.

참고: mean가 0으로 설정되고 stddev가 1로 설정되면 계산이 이루어지지 않습니다. 원래 입력이 실행 시 직접 반환됩니다.

참고: 반환된 TensorBuffer은DataType.FLOAT32 입력이 DataType.UINT8 텐서인 경우를 제외하고 mean가 0으로 설정되고 stddev가 1로 설정되므로 원래 DataType.UINT8 텐서가 반환됩니다.

매개변수
평균 빼는 평균값을 구합니다.
표준편차 표준 편차 값입니다.
생성 값
IllegalArgumentException stddev가 0이면

<ph type="x-smartling-placeholder"></ph> 공개 를 통해 개인정보처리방침을 정의할 수 있습니다. NormalizeOp (float[] average, float[] stddev)

NormalizeOp를 초기화합니다. 호출하면 새 TensorBuffer가 생성됩니다. 다음을 충족시킵니다. 

   // Pseudo code. [...][i] means a certain element whose channel id is i.
   output[...][i] = (input[...][i] - mean[i]) / stddev[i]

참고: mean의 모든 값이 0으로 설정되고 모든 stddev가 1로 설정되면 계산이 이루어지고 원래 입력이 실행 시 바로 반환됩니다.

참고: 반환된 TensorBuffer은DataType.FLOAT32 입력이 DataType.UINT8 텐서인 경우를 제외하고 모든 mean가 다음과 같이 설정됩니다. 0과 모든 stddev가 1로 설정됩니다.

매개변수
평균 각 채널에 대해 먼저 빼는 평균값을 구합니다.
표준편차 표준 편차 값을 구합니다.
생성 값
IllegalArgumentException stddev가 0이거나 mean의 값이 다른 경우 stddev가 있는 요소의 수이거나 비어 있는 경우입니다.

공개 메서드

<ph type="x-smartling-placeholder"></ph> 공개 TensorBuffer 적용 (TensorBuffer 입력)

지정된 텐서에 정의된 정규화를 적용하고 결과를 반환합니다.

참고: input은 출력과 동일한 인스턴스일 수 있습니다.

매개변수
입력 입력 텐서를 생성합니다. 출력과 동일한 인스턴스일 수 있습니다.
반환 값
  • 출력 텐서를 생성합니다.