NormalizeOp

公開課程 NormalizeOp

已知的直接子類別

將具有指定平均值和 stddev: 輸出 = (input - 平均值) / stddev 的 TensorBuffer 正規化。

	NormalizeOp(浮點平均值、float stddev) 初始化正規 izeOp。
	NormalizeOp(float[] 平均值, float[] stddev) 初始化正規 izeOp。

apply(TensorBuffer 輸入)

對指定的張量套用已定義的正規化，並傳回結果。

來自課程 java.lang.Object

抽象 TensorBuffer

apply(TensorBuffer 輸入)

抽象 TensorBuffer

apply(TensorBuffer x)

對 T 物件執行運算，傳回 T 物件。

公用建構函式

初始化正規 izeOp。呼叫時，系統會建立新的 TensorBuffer 滿足：

   output = (input - mean) / stddev

在以下兩種情況中，將 mean 重設為 0，並將 stddev 重設為 1 以略過以便處理正規化的情況
1.mean 和 {code stddev} 皆為 0。
2.mean 為 0，{stddev} 為 Infinity。

注意：如果 mean 設為 0，且 stddev 設為 1，則不會計算任何運算而且原始輸入內容將在執行作業中直接傳回。

注意：傳回的 TensorBuffer 一律為 DataType.FLOAT32 張量會顯示，但當輸入為 DataType.UINT8 張量時，mean 設為 0 和 stddev 設為 1，這樣會傳回原始 DataType.UINT8 張量。

平均值	先減去平均值
標準差了	第一個是做為除數的標準差

IllegalArgumentException	表示 `stddev` 為零。

初始化正規 izeOp。呼叫時，系統會建立新的 TensorBuffer 滿足：

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

注意：如果 mean 中的所有值都設為 0，且所有 stddev 都設為 1，則否並直接在執行作業中傳回原始輸入。

注意：傳回的 TensorBuffer 一律為 DataType.FLOAT32 張量目前存在，但輸入是 DataType.UINT8 張量，但所有 mean 都設為 0，而所有 stddev 都會設為 1。

平均值	亦即每個管道先減去的平均值。
標準差了	每個管道要除以的標準差值

IllegalArgumentException	如果有任何 `stddev` 為零，或 `mean` 有不同包含 `stddev` 的元素數量，或其中任一為空白。

對指定的張量套用已定義的正規化，並傳回結果。

注意：input 可能是含有輸出內容的執行個體。

輸入	輸入張量也許是含有輸出內容的執行個體。