estructura DML_BATCH_NORMALIZATION_GRAD_OPERATOR_DESC (directml.h)

Calcula los degradados de la propiedad inversa para la normalización por lotes. DML_BATCH_NORMALIZATION_GRAD_OPERATOR_DESC realiza varios cálculos, que se detallan en las descripciones de salida independientes.

OutputScaleGradientTensor y OutputBiasGradientTensor se calculan mediante sumas en el conjunto de dimensiones para las que los tamaños MeanTensor, ScaleTensor y VarianceTensor son iguales a uno.

Sintaxis

struct DML_BATCH_NORMALIZATION_GRAD_OPERATOR_DESC {
  const DML_TENSOR_DESC *InputTensor;
  const DML_TENSOR_DESC *InputGradientTensor;
  const DML_TENSOR_DESC *MeanTensor;
  const DML_TENSOR_DESC *VarianceTensor;
  const DML_TENSOR_DESC *ScaleTensor;
  const DML_TENSOR_DESC *OutputGradientTensor;
  const DML_TENSOR_DESC *OutputScaleGradientTensor;
  const DML_TENSOR_DESC *OutputBiasGradientTensor;
  FLOAT                 Epsilon;
};

Miembros

InputTensor

Tipo: const DML_TENSOR_DESC*

Tensor que contiene los datos de entrada. Normalmente, este es el mismo tensor que se proporcionó como InputTensor para DML_BATCH_NORMALIZATION_OPERATOR_DESC en el pase hacia delante.

InputGradientTensor

Tipo: const DML_TENSOR_DESC*

Tensor de degradado entrante. Esto se obtiene normalmente a partir de la salida de la propiedad backpropagation de una capa anterior.

MeanTensor

Tipo: const DML_TENSOR_DESC*

Tensor que contiene los datos medio. Normalmente, este es el mismo tensor que se proporcionó como MeanTensor para DML_BATCH_NORMALIZATION_OPERATOR_DESC en el pase hacia delante.

VarianceTensor

Tipo: const DML_TENSOR_DESC*

Tensor que contiene los datos de varianza. Normalmente, este es el mismo tensor que se proporcionó como VarianceTensor para DML_OPERATOR_BATCH_NORMALIZATION en el pase hacia delante.

ScaleTensor

Tipo: const DML_TENSOR_DESC*

Tensor que contiene los datos de escala. Normalmente, este es el mismo tensor que se proporcionó como ScaleTensor para DML_BATCH_NORMALIZATION_OPERATOR_DESC en el pase hacia delante.

OutputGradientTensor

Tipo: const DML_TENSOR_DESC*

Para cada valor correspondiente de las entradas, OutputGradient = InputGradient * (Scale / sqrt(Variance + Epsilon)).

OutputScaleGradientTensor

Tipo: const DML_TENSOR_DESC*

El siguiente cálculo se realiza o cada valor correspondiente de las entradas.

OutputScaleGradient = sum(InputGradient * (Input - Mean) / sqrt(Variance + Epsilon))

OutputBiasGradientTensor

Tipo: const DML_TENSOR_DESC*

El siguiente cálculo se realiza o cada valor correspondiente de las entradas.

OutputBiasGradient = sum(InputGradient)

Epsilon

Tipo: FLOAT

Valor pequeño agregado a la varianza para evitar cero.

Comentarios

Disponibilidad

Este operador se introdujo en DML_FEATURE_LEVEL_3_1.

Restricciones tensor

• InputGradientTensor, InputTensor, MeanTensor, OutputBiasGradientTensor, OutputGradientTensor, OutputScaleGradientTensor, ScaleTensor y VarianceTensor deben tener el mismo DataType y DimensionCount.
• MeanTensor, OutputBiasGradientTensor, OutputScaleGradientTensor, ScaleTensor y VarianceTensor deben tener los mismos tamaños.
• InputGradientTensor, InputTensor y OutputGradientTensor deben tener los mismos tamaños.

Compatibilidad con Tensor

Tensor	Clase	Dimensions	Recuentos de dimensiones admitidos	Tipos de datos admitidos
InputTensor	Entrada	{ InputDimensions[] }	De 1 a 8	FLOAT32, FLOAT16
InputGradientTensor	Entrada	{ InputDimensions[] }	De 1 a 8	FLOAT32, FLOAT16
MeanTensor	Entrada	{ MeanDimensions[] }	De 1 a 8	FLOAT32, FLOAT16
VarianceTensor	Entrada	{ MeanDimensions[] }	De 1 a 8	FLOAT32, FLOAT16
ScaleTensor	Entrada	{ MeanDimensions[] }	De 1 a 8	FLOAT32, FLOAT16
OutputGradientTensor	Resultados	{ InputDimensions[] }	De 1 a 8	FLOAT32, FLOAT16
OutputScaleGradientTensor	Resultados	{ MeanDimensions[] }	De 1 a 8	FLOAT32, FLOAT16
OutputBiasGradientTensor	Resultados	{ MeanDimensions[] }	De 1 a 8	FLOAT32, FLOAT16

Requisitos

Requisito	Value
Cliente mínimo compatible	Compilación 22000 de Windows
Servidor mínimo compatible	Compilación 22000 de Windows
Encabezado	directml.h