DML_BATCH_NORMALIZATION_GRAD_OPERATOR_DESC結構 (directml.h)

計算 批次正規化的反向傳播漸層。 DML_BATCH_NORMALIZATION_GRAD_OPERATOR_DESC 會執行多個計算，這些計算會在個別的輸出描述中詳述。

OutputScaleGradientTensor 和 OutputBiasGradientTensor 是使用平均數、ScaleTensor 和 VarianceTensor 大小等於一組維度的總和來計算。

語法

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;
};

成員

InputTensor

類型： const DML_TENSOR_DESC*

包含輸入數據的張量。 這通常與 InputTensor 提供的張量相同，以在轉送中 DML_BATCH_NORMALIZATION_OPERATOR_DESC 。

InputGradientTensor

類型： const DML_TENSOR_DESC*

傳入漸層張量。 這通常是從前一層反向傳播的輸出取得。

MeanTensor

類型： const DML_TENSOR_DESC*

包含平均數據的張量。 這通常是與 MeanTensor 一樣提供的張量，以在轉送中 DML_BATCH_NORMALIZATION_OPERATOR_DESC 。

VarianceTensor

類型： const DML_TENSOR_DESC*

包含變數。 這通常與 VarianceTensor 提供的張量相同，以在轉送中 DML_OPERATOR_BATCH_NORMALIZATION 。

ScaleTensor

類型： const DML_TENSOR_DESC*

包含縮放數據的張量。 這通常與 ScaleTensor 提供的張量相同，以在轉送中 DML_BATCH_NORMALIZATION_OPERATOR_DESC 。

OutputGradientTensor

類型： const DML_TENSOR_DESC*

針對輸入中的每個對應值， OutputGradient = InputGradient * (Scale / sqrt(Variance + Epsilon))。

OutputScaleGradientTensor

類型： const DML_TENSOR_DESC*

下列計算完成或輸入中的每個對應值。

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

OutputBiasGradientTensor

類型： const DML_TENSOR_DESC*

下列計算完成或輸入中的每個對應值。

OutputBiasGradient = sum(InputGradient)

Epsilon

類型： FLOAT

新增至變異數的小型值，以避免零。

備註

可用性

這個運算子是在 中 DML_FEATURE_LEVEL_3_1引進。

Tensor 條件約束

• InputGradientTensor、InputTensor、MeanTensor、OutputBiasGradientTensor、OutputGradientTensor、OutputScaleGradientTensor、ScaleTensor 和 VarianceTensor 必須具有相同的 DataType 和 DimensionCount。
• MeanTensor、OutputBiasGradientTensor、OutputScaleGradientTensor、ScaleTensor 和 VarianceTensor 必須具有相同的大小。
• InputGradientTensor、 InputTensor 和 OutputGradientTensor 必須具有相同 的大小。

Tensor 支援

張	種類	維度	支援的維度計數	支援的資料類型
InputTensor	輸入	{ InputDimensions[] }	1 到 8	FLOAT32，FLOAT16
InputGradientTensor	輸入	{ InputDimensions[] }	1 到 8	FLOAT32，FLOAT16
MeanTensor	輸入	{ MeanDimensions[] }	1 到 8	FLOAT32，FLOAT16
VarianceTensor	輸入	{ MeanDimensions[] }	1 到 8	FLOAT32，FLOAT16
ScaleTensor	輸入	{ MeanDimensions[] }	1 到 8	FLOAT32，FLOAT16
OutputGradientTensor	輸出	{ InputDimensions[] }	1 到 8	FLOAT32，FLOAT16
OutputScaleGradientTensor	輸出	{ MeanDimensions[] }	1 到 8	FLOAT32，FLOAT16
OutputBiasGradientTensor	輸出	{ MeanDimensions[] }	1 到 8	FLOAT32，FLOAT16

規格需求

需求	值
最低支援的用戶端	Windows 組建 22000
最低支援的伺服器	Windows 組建 22000
標頭	directml.h