关于MSE准则迭代求解最优scale的疑问

[weihChen]

你好，在函数forward_net_octav中有如下mse准则下迭代求解最优scale的代码：

abs_x = np.abs(ort_inputs[i])
s_n = abs_x.sum() / abs_x[abs_x > 0].size
for _ in range(20):
    s_n_plus_1 = abs_x[abs_x > s_n].sum() / \
               (1 / (4 ** 8) / 3 / unsigned * abs_x[abs_x <= s_n].size + abs_x[abs_x > s_n].size)
    if np.abs(s_n_plus_1 - s_n) < 1e-6:
        break
    s_n = s_n_plus_1

想请问下这里

 s_n_plus_1 = abs_x[abs_x > s_n].sum() / \
               (1 / (4 ** 8) / 3 / unsigned * abs_x[abs_x <= s_n].size + abs_x[abs_x > s_n].size)

迭代更新scale公式的物理含义是什么呢？是如何推导得到的呢？

[gushiqiao]

您好，函数forward_net_octav以及mse校准是参考Optimally Clipped Tensors And Vectors(OCTAV)方法的实现，论文链接: https://arxiv.org/pdf/2206.06501.pdf， 上述代码对应的公式对应文中的公式6

[weihChen]

好的，多谢啦🙏