Lrn

执行局部响应归一化 (Local Response Normalization)。

\[\text{output}_{i,j} = \text{input}_{i,j} \times \left( \text{bias} + \alpha \sum_{k=\max(0, j-d)}^{\min(C-1, j+d)} (\text{input}_{i,k})^2 \right)^{-\beta}\]

其中，i 遍历每个 out_size 维度，j 表示当前通道，d 是 depth_radius，C 是总通道数 channel， :math:alpha 和 :math:beta 是缩放因子。

输入：

  • input - 输入张量数据地址，其逻辑布局为 (out_size, channel)。

  • out_size - 空间/批处理维度的乘积 (例如 N*H*W)。

  • channel - 通道数 (C)。

  • depth_radius - 归一化窗口的半径。总的窗口大小为 2 * depth_radius + 1。

  • alpha - 缩放因子 :math:alpha。

  • beta - 指数 :math:beta。

  • bias - 偏置项。

  • core_mask - 核掩码（仅共享存储版本需要）。

输出：

  • Output - 计算结果地址。

支持平台：

FT78NE MT7004

备注

  • FT78NE 支持fp32

  • MT7004 支持fp16, fp32

共享存储版本:

void hp_lrn_s(half *input, half *output, int out_size, int channel, int depth_radius, float alpha, float beta, float bias, int core_mask)
void fp_lrn_s(float *input, float *output, int out_size, int channel, int depth_radius, float alpha, float beta, float bias, int core_mask)

C调用示例：

 1//FT78NE示例
 2#include <stdio.h>
 3#include <lrn.h> // 假设头文件名为 lrn.h
 4int main(int argc, char* argv[]) {
 5    float *input = (float *)0xA0000000;   //input在DDR空间
 6    float *output = (float *)0xC0000000;
 7    int out_size = 256; // 例如 N*H*W
 8    int channel = 96;
 9    int depth_radius = 5;
10    float alpha = 0.0001f;
11    float beta = 0.75f;
12    float bias = 1.0f;
13    int core_mask = 0xff;
14    fp_lrn_s(input, output, out_size, channel, depth_radius, alpha, beta, bias, core_mask);
15    return 0;
16}

私有存储版本:

void hp_lrn_p(half *input, half *output, int out_size, int channel, int depth_radius, float alpha, float beta, float bias)
void fp_lrn_p(float *input, float *output, int out_size, int channel, int depth_radius, float alpha, float beta, float bias)

C调用示例：

 1//FT78NE示例
 2#include <stdio.h>
 3#include <lrn.h> // 假设头文件名为 lrn.h
 4int main(int argc, char* argv[]) {
 5    float *input = (float *)0x10000000;   //input在L2空间
 6    float *output = (float *)0x10010000;
 7    int out_size = 256; // 例如 N*H*W
 8    int channel = 96;
 9    int depth_radius = 5;
10    float alpha = 0.0001f;
11    float beta = 0.75f;
12    float bias = 1.0f;
13    fp_lrn_p(input, output, out_size, channel, depth_radius, alpha, beta, bias);
14    return 0;
15}