我正在编写一个 Metal cnn 代码。
Metal 提供 MPSCNNLocalContrastNormalization,
由于 Instance Normalization 的概念略有不同,我打算将其实现为 Kernel Function。
但是,问题是当从核函数的输入中接收到的纹理中的特征是 R、G、B 时,应该获得每个 R、G、B 的均值和方差。
我想获得一些关于如何实现这一点的提示。
kernel void instance_normalization_2darray(texture2d_array<float, access::sample> src [[ texture(0) ]],
texture2d_array<float, access::write> dst [[ texture(1) ]],
uint3 tid [[thread_position_in_grid]]) {
}
kernel void calculate_avgA(texture2d_array<float, access::read> texture_in [[texture(0)]],
texture2d_array<float, access::write> texture_out [[texture(1)]],
uint3 tid [[thread_position_in_grid]])
{
int width = texture_in.get_width();
int height = texture_in.get_height();
int depth = texture_in.get_array_size();
float4 outColor;
uint3 kernelIndex(0,0,0);
uint3 textureIndex(0,0,0);
for(int k = 0; k < depth; k++) {
outColor = (0.0, 0.0, 0.0, 0.0);
for (int i=0; i < width; i++)
{
for (int j=0; j < height; j++)
{
kernelIndex = uint3(i, j, k);
textureIndex = uint3(tid.x + i, tid.y + j, tid.z + k);
float4 color = texture_in.read(textureIndex.xy, textureIndex.z).rgba;
outColor += color;
}
}
outColor = outColor / (width * height);
texture_out.write(float4(outColor.rgba), tid.xy, textureIndex.z);
}
}
Best Answer-推荐答案 strong>
比斯塔先生
我对此有同样的问题,苹果没有快速提供一些功能。
我只是使用 MPSCNNPoolingAverage 来计算内核之前的平均值。
也许这是一种临时方法。
而其他算法并不比这更好,例如我用代码测试后的归约和算法。
因此,我将继续跟踪对此的更好实现。
关于ios - 我想实现实例规范化,我们在Stack Overflow上找到一个类似的问题:
https://stackoverflow.com/questions/42340868/
|