DML_BATCH_NORMALIZATION_GRAD_OPERATOR_DESC structure (directml.h)

Calcule les gradients de rétropropagation pour la normalisation par lots. DML_BATCH_NORMALIZATION_GRAD_OPERATOR_DESC effectue plusieurs calculs, qui sont détaillés dans les descriptions de sortie distinctes.

OutputScaleGradientTensor et OutputBiasGradientTensor sont calculés à l’aide de sommes sur l’ensemble de dimensions pour lesquelles les tailles MeanTensor, ScaleTensor et VarianceTensor sont égales à une.

Syntaxe

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;
};

Membres

InputTensor

Type : const DML_TENSOR_DESC*

Tenseur contenant les données d’entrée. Il s’agit généralement du même tenseur que celui fourni en tant que InputTensor pour DML_BATCH_NORMALIZATION_OPERATOR_DESC dans la passe avant.

InputGradientTensor

Type : const DML_TENSOR_DESC*

Tenseur de gradient entrant. Cela est généralement obtenu à partir de la sortie de la rétropropagation d’une couche précédente.

MeanTensor

Type : const DML_TENSOR_DESC*

Tenseur contenant les données moyennes. Il s’agit généralement du même tenseur que celui fourni comme meanTensor pour DML_BATCH_NORMALIZATION_OPERATOR_DESC dans la passe avant.

VarianceTensor

Type : const DML_TENSOR_DESC*

Tenseur contenant les données de variance. Il s’agit généralement du même tenseur que celui fourni comme VarianceTensor pour DML_OPERATOR_BATCH_NORMALIZATION dans la passe avant.

ScaleTensor

Type : const DML_TENSOR_DESC*

Tenseur contenant les données d’échelle. Il s’agit généralement du même tenseur que celui fourni en tant que ScaleTensor pour DML_BATCH_NORMALIZATION_OPERATOR_DESC dans la passe avant.

OutputGradientTensor

Type : const DML_TENSOR_DESC*

Pour chaque valeur correspondante dans les entrées, OutputGradient = InputGradient * (Scale / sqrt(Variance + Epsilon)).

OutputScaleGradientTensor

Type : const DML_TENSOR_DESC*

Le calcul suivant est effectué ou chaque valeur correspondante dans les entrées.

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

OutputBiasGradientTensor

Type : const DML_TENSOR_DESC*

Le calcul suivant est effectué ou chaque valeur correspondante dans les entrées.

OutputBiasGradient = sum(InputGradient)

Epsilon

Type : FLOAT

Petite valeur ajoutée à la variance pour éviter zéro.

Remarques

Disponibilité

Cet opérateur a été introduit dans DML_FEATURE_LEVEL_3_1.

Contraintes tensoriels

• InputGradientTensor, InputTensor, MeanTensor, OutputBiasGradientTensor, OutputGradientTensor, OutputScaleGradientTensor, ScaleTensor et VarianceTensor doivent avoir les mêmes DataType et DimensionCount.
• MeanTensor, OutputBiasGradientTensor, OutputScaleGradientTensor, ScaleTensor et VarianceTensor doivent avoir les mêmes tailles.
• InputGradientTensor, InputTensor et OutputGradientTensor doivent avoir les mêmes tailles.

Prise en charge des tenseurs

Tenseur	Genre	Dimensions	Nombre de dimensions pris en charge	Types de données pris en charge
InputTensor	Entrée	{ InputDimensions[] }	1 à 8	FLOAT32, FLOAT16
InputGradientTensor	Entrée	{ InputDimensions[] }	1 à 8	FLOAT32, FLOAT16
MeanTensor	Entrée	{ MeanDimensions[] }	1 à 8	FLOAT32, FLOAT16
VarianceTensor	Entrée	{ MeanDimensions[] }	1 à 8	FLOAT32, FLOAT16
ScaleTensor	Entrée	{ MeanDimensions[] }	1 à 8	FLOAT32, FLOAT16
OutputGradientTensor	Sortie	{ InputDimensions[] }	1 à 8	FLOAT32, FLOAT16
OutputScaleGradientTensor	Sortie	{ MeanDimensions[] }	1 à 8	FLOAT32, FLOAT16
OutputBiasGradientTensor	Sortie	{ MeanDimensions[] }	1 à 8	FLOAT32, FLOAT16

Configuration requise

Condition requise	Valeur
Client minimal pris en charge	Windows Build 22000
Serveur minimal pris en charge	Windows Build 22000
En-tête	directml.h