DML_QUANTIZED_LINEAR_AVERAGE_POOLING_OPERATOR_DESC 結構（directml.h）

平均在輸入張量上方滑動視窗內元素的量化值。這個運算符在數學上相當於取消量化輸入，然後執行平均共享，然後量化輸出。

Dequantize 函式

f(Input, Scale, ZeroPoint) = (Input - ZeroPoint) * Scale

Quantize 函式

f(Input, Scale, ZeroPoint) = clamp(round(Input / Scale) + ZeroPoint, Min, Max)

這很重要

此 API 可作為 DirectML 獨立可轉散發套件的一部分（請參閱 Microsoft.AI.DirectML 1.13 版和更新版本。另請參閱 DirectML 版本歷程記錄。

語法

struct DML_QUANTIZED_LINEAR_AVERAGE_POOLING_OPERATOR_DESC
{
    const DML_TENSOR_DESC* InputTensor;
    const DML_TENSOR_DESC* InputScaleTensor;
    _Maybenull_ const DML_TENSOR_DESC* InputZeroPointTensor;
    const DML_TENSOR_DESC* OutputScaleTensor;
    _Maybenull_ const DML_TENSOR_DESC* OutputZeroPointTensor;
    const DML_TENSOR_DESC* OutputTensor;
    UINT DimensionCount;
    _Field_size_(DimensionCount) const UINT* Strides;
    _Field_size_(DimensionCount) const UINT* WindowSize;
    _Field_size_(DimensionCount) const UINT* StartPadding;
    _Field_size_(DimensionCount) const UINT* EndPadding;
    _Field_size_(DimensionCount) const UINT* Dilations;
    BOOL IncludePadding;
};

成員

InputTensor

類型： const DML_TENSOR_DESC*

4D 和 5D { BatchCount, ChannelCount, Height, Width }{ BatchCount, ChannelCount, Depth, Height, Weight }輸入張量。

InputScaleTensor

類型： const DML_TENSOR_DESC*

包含 InputTensor 縮放數據的張量。 InputScaleTensor 的預期維度是{ 1, 1, 1, 1 }如果需要每張量量化，或{ 1, ChannelCount, 1, 1 }需要每個通道的量化。這些小數字數值用於取消量化 InputTensor 值。

備註

小數位數 0 會導致未定義的行為。

InputZeroPointTensor

類型： _Maybenull_ const DML_TENSOR_DESC*

選擇性張量，其中包含 InputTensor 零點數據。 InputZeroPointTensor 的預期維度是{ 1, 1, 1, 1 }如果需要每張量量化，或{ 1, ChannelCount, 1, 1 }是否需要每個通道的量化。這些零點值用於取消量化 InputTensor 值。

OutputScaleTensor

類型： const DML_TENSOR_DESC*

包含 OutputTensor 縮放數據的張量。 OutputScaleTensor 的預期維度是{ 1, 1, 1, 1 }如果需要每張量量化，或{ 1, ChannelCount, 1, 1 }是否需要每個通道的量化。這些小數字數值用於量化 OutputTensor 值。

備註

小數位數 0 會導致未定義的行為。

OutputZeroPointTensor

類型： _Maybenull_ const DML_TENSOR_DESC*

選擇性張量，其中包含 OutputTensor 零點數據。 OutputZeroPointTensor 的預期維度是{ 1, 1, 1, 1 }如果需要每張量仲裁，或{ 1, ChannelCount, 1, 1 }是否需要每個通道的量化。這個零點值用於量化 OutputTensor 值。

OutputTensor

類型： const DML_TENSOR_DESC*

輸出張量的描述。輸出張量的大小可以計算如下。

OutputTensor->Sizes[0] = InputTensor->Sizes[0];
OutputTensor->Sizes[1] = InputTensor->Sizes[1];

for (UINT i = 0; i < DimensionCount; ++i) {
  UINT PaddedSize = InputTensor->Sizes[i + 2] + StartPadding[i] + EndPadding[i];
  OutputTensor->Sizes[i + 2] = (PaddedSize - WindowSizes[i]) / Strides[i] + 1;
}

DimensionCount

類型： UINT

輸入張量 InputTensor 的空間維度數目，這也會對應至滑動視窗 WindowSize 的維度數目。這個值也會決定 Strides、StartPadding 和 EndPadding 陣列的大小。當 InputTensor 為 4D 時，它應該設定為 2，而當它是 5D 張量時，則設定為 3。

Strides