TensorRT PoolingLayer
TensorRT PoolingLayer
IPoolingLayer在通道中实现池。支持的池类型有maximum、average和maximum average混合。
Layer Description: 2D pooling层描述:二维池
用2D滤波器计算a维张量a上的池,生成B维的张量B。B的维数取决于a的维数、窗口大小r、对称填充p和步长s,因此:
PoolingType::kMAX
Maximum over elements in window.
PoolingType::kAVERAGE
Average over elements in the window.
PoolingType::kMAX_AVERAGE_BLEND
Hybrid of maximum and average pooling. The
results of the maximum pooling and the average pooling are combined with the blending factor as (1-blendFactor)*maximumPoolingResult
- blendFactor*averagePoolingResult to yield the result. The blendFactor
can be set to a value between 0 and 1.
默认情况下,平均池是在池窗口和填充的输入之间的重叠处执行的。如果exclusive参数设置为true,则在池窗口和未添加的输入之间的重叠区域执行平均池。
Layer Description: 3D pooling图层说明:三维池
使用3D过滤器计算a维度张量a上的池,以生成维度B的张量B。B的维度取决于a的维度、窗口大小r、对称填充p和跨距s,因此:
Where func is defined by one of the pooling types t:
PoolingType::kMAX
Maximum over elements in window.
PoolingType::kAVERAGE
Average over elements in the window.
PoolingType::kMAX_AVERAGE_BLEND
Hybrid of maximum and average pooling. The results of the maximum pooling and the average pooling are combined with the blending factor as (1-blendFactor)*maximumPoolingResult
- blendFactor*averagePoolingResult to yield the result. The blendFactor can be set to a value between 0 and 1.
默认情况下,平均池是在池窗口和填充的输入之间的重叠处执行的。如果exclusive参数设置为true,则在池窗口和未添加的输入之间的重叠区域执行平均池。
条件和限制
2D或3D由输入核维数的数量决定。对于2D池,输入和输出张量应该有3个或更多维。对于3D池,输入和输出张量应具有4个或更多维度。
TensorRT PoolingLayer相关推荐
- TensorRT简介
TensorRT 介绍 引用:https://arleyzhang.github.io/articles/7f4b25ce/ 1 简介 TensorRT是一个高性能的深度学习推理(Inference) ...
- TensorRT优化方案图例
TensorRT优化方案图例 图 12. TensorRT 循环由循环边界层设置.数据流只能通过下方式离开循环环输出层. 唯一允许的后边缘是第二个输入递归层. 图 13. 一个 if 条件构造抽象模型 ...
- Tensorrt一些优化技术介绍
Tensorrt一些优化技术介绍 Figure 1. A quantizable AveragePool layer (in blue) is fused with a DQ layer and a ...
- 英伟达TensorRT 8-bit Inference推理
英伟达TensorRT 8-bit Inference推理 引论 ● 目标:将FP32 CNN转换为INT8,不会造成显著的精度损失. ● 原因:Int8 Math具有更高的吞吐量和更低的内存需求. ...
- TensorRT深度学习训练和部署图示
TensorRT深度学习训练和部署 NVIDIA TensorRT是用于生产环境的高性能深度学习推理库.功率效率和响应速度是部署的深度学习应用程序的两个关键指标,因为它们直接影响用户体验和所提供服务的 ...
- TensorRT 数据和表格示例
TensorRT 数据和表格示例 TensorRT 7.1在绑定索引方面比其前身更加严格.以前,允许错误配置文件的绑定索引.考虑一个网络,该网络具有四个输入,一个输出,以及在其中的三个优化配置文件 I ...
- TensorRT原理图示
TensorRT原理图示 NVIDIA的核心® TensorRT™是有助于在NVIDIA图形处理单元(GPU)的高性能推理一个C ++库.它旨在与TensorFlow,Caffe,PyTorch,MX ...
- TensorRT 数据格式说明
TensorRT 数据格式说明 NVIDIA ® TensorRT™支持不同的数据格式.需要考虑两个方面:数据类型和布局. 数据类型格式 数据类型是每个单独值的表示.它的大小决定了数值的范围和表示的精 ...
- 中继TensorRT集成
中继TensorRT集成 介绍 NVIDIA TensorRT是用于优化深度学习推理的库.这种集成将使尽可能多的算子从Relay转移到TensorRT,从而无需调整调度,即可在NVIDIA GPU上提 ...
最新文章
- 【JQUBAR1.1】jQuery 插件发布
- 【原创】二级指针中在内存中的样子
- OxyPlot.Wpf 图表控件使用备忘
- eclipse tomcat插件安装
- mongoDB学习——第一天
- 最真挚的祝福最深的伤
- CMMI模型对软件测试技术的扩充
- linux curl 显示请求耗时和dns解析
- java-用cmd运行java命令
- 为什么网站总显示服务器不能创建对象,IE浏览器出现“Automation 服务器不能创建对象”解决教程...
- Spark MLBase分布式机器学习系统入门:以MLlib实现Kmeans聚类算法
- java.lang.ExceptionInInitializerError异常
- 5个国内优秀网站设计案例分享
- [转贴]COM Interop 注册相关
- centos7设置基础软件仓库时出错
- 使用Excel的VBA简单语句处理循环、判断等操作
- CenterNet2训练自己的数据集
- ccd和cmos的区别
- 河南省计算机专业三本排名2015,河南三本大学排名【最新排行榜】
- 吉首大学第九届"新星杯"大学生程序设计大赛 J.小阳排队
热门文章
- 2022-2028年中国手术室设备行业市场研究及前瞻分析报告
- C/C++ 编程规范(01 )— 排版
- python的日志库logging,真香!!!
- 【课堂笔记系列】二进制
- GPU上的基本线性代数
- PyTorch 进行 Neural-Transfer
- Python:Spider
- C++ map 的使用
- Caused by: org.gradle.api.InvalidUserDataException: NDK not configured
- Android Dialog 弹框之外的区域 默认透明背景色修改