NormalizeOp

公共类 NormalizeOp
已知的直接子类

使用给定的平均值和标准差对 TensorBuffer 进行归一化：输出 = (输入 - 平均值) / 标准差。

公共构造函数

NormalizeOp（浮点平均值，浮点标准偏差）
初始化 NormalizeOp。
NormalizeOp(float[] Mean, float[] stddev)
初始化 NormalizeOp。

公共方法

TensorBuffer
apply（TensorBuffer 输入TensorBuffer）
对给定张量应用定义的归一化并返回结果。

继承的方法

公共构造函数

<ph type="x-smartling-placeholder"></ph> 公开 NormalizeOp （浮点均值，浮点标准差）

初始化 NormalizeOp。被调用时，它会创建一个新的 TensorBuffer， 符合以下条件： 

   output = (input - mean) / stddev

在以下两种情况下，请将 mean 重置为 0 并将 stddev 重置为 1，以绕过 标准化。
1.mean 和 {code stddev} 均为 0。
2.mean 为 0，{stddev} 为无穷大。

注意：如果 mean 设为 0 且 stddev 设为 1，系统不会进行任何计算 执行过程中会直接返回原始输入。

注意：返回的 TensorBuffer 在DataType.FLOAT32 存在，除非输入是 DataType.UINT8 张量，mean 设置为 0，并且 stddev 设置为 1，系统会返回原始 DataType.UINT8 张量。

参数
平均值 要先减去的平均值。
标准差 要除以的标准差值。
抛出
IllegalArgumentException 如果 stddev 为零。

<ph type="x-smartling-placeholder"></ph> 公开 NormalizeOp (float[] mean, float[] stddev)

初始化 NormalizeOp。被调用时，它会创建一个新的 TensorBuffer， 符合以下条件： 

   // 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 中的所有值均设为 0，且所有 stddev 均设为 1，则 执行过程中会直接返回原始输入。

注意：返回的 TensorBuffer 在DataType.FLOAT32 存在，只是输入是 DataType.UINT8 张量，所有 mean 都设置为 0 和所有 stddev 都设置为 1。

参数
平均值 首先针对每个通道减去平均值。
标准差 然后针对每个通道要除以的标准差值。
抛出
IllegalArgumentException 如果任意 stddev 为零，或者 mean 具有不同的值 stddev 的元素数量或其中任一元素为空。

公共方法

<ph type="x-smartling-placeholder"></ph> 公开 TensorBuffer 应用 （TensorBuffer 输入）

对给定张量应用定义的归一化并返回结果。

注意：input 可能是包含输出的同一实例。

参数
输入 输入张量。这可能是包含输出的同一实例。
返回
  • 输出张量。