UniformQuantizedAdd

공개 최종 클래스 균일QuantizedAdd

양자화된 '출력'을 만들기 위해 양자화된 Tensor 'lhs'와 양자화된 Tensor 'rhs'의 양자화된 추가를 수행합니다.

양자화된 'lhs'와 양자화된 'rhs'가 주어지면 'lhs'와 'rhs'에 대해 양자화된 덧셈을 수행하여 양자화된 '출력'을 만듭니다.

'UniformQuantizedAdd'는 Numpy 브로드캐스팅 규칙을 따릅니다. 두 개의 입력 배열 모양은 요소별로 비교됩니다. 후행 차원부터 시작하여 두 차원은 동일하거나 둘 중 하나가 1이어야 합니다.

'lhs' 및 'rhs'는 양자화되어야 합니다. Tensor에서는 데이터 값이 다음 공식을 사용하여 양자화됩니다. 

quantized_data = clip(original_data / scale + zero_point, quantization_min_val, quantization_max_val)
'output'도 동일한 공식을 사용하여 양자화됩니다.

'lhs'와 'output'이 모두 축별 양자화되는 경우 양자화 축이 일치해야 합니다. 또한 `rhs`와 `output`이 모두 축별 양자화되는 경우 양자화 축이 일치해야 합니다. 일치(Match)는 방송에 관해 추가 시 축이 일치해야 함을 의미합니다. 즉, `lhs` 및 `rhs` 피연산자 모두에 대해 `operand.Quantization_axis` >= 0이고 `output.Quantization_axis` >= 0인 경우 `operand.dims` - `operand.Quantization_axis`는 `output.dims'와 같아야 합니다. ` - `출력.양자화_축`.

중첩 클래스

수업 균일QuantizedAdd.Options UniformQuantizedAdd 에 대한 선택적 속성

공개 방법

출력 <T>
출력 ()
텐서의 기호 핸들을 반환합니다.
정적 <T> 균일QuantizedAdd <T>
create ( Scope 범위, Operand <T> lhs, Operand <T> rhs, Operand <Float> lhsScales, Operand <Integer> lhsZeroPoints, Operand <Float> rhsScales, Operand <Integer> rhsZeroPoints, Operand <Float> outputScales, Operand <Integer > 출력ZeroPoints, 긴 lhsQuantizationMinVal, 긴 lhsQuantizationMaxVal, 긴 rhsQuantizationMinVal, 긴 rhsQuantizationMaxVal, 긴 출력QuantizationMinVal, 긴 출력QuantizationMaxVal, 옵션... 옵션)
새로운UniformQuantizedAdd 작업을 래핑하는 클래스를 생성하는 팩토리 메서드입니다.
정적 UniformQuantizedAdd.Options
lhsQuantizationAxis (Long lhsQuantizationAxis)
출력 <T>
출력 ()
출력 양자화된 텐서.
정적 UniformQuantizedAdd.Options
outputQuantizationAxis (긴 출력QuantizationAxis)
정적 UniformQuantizedAdd.Options
rhsQuantizationAxis (긴 rhsQuantizationAxis)

상속된 메서드

공개 방법

공개 출력 <T> asOutput ()

텐서의 기호 핸들을 반환합니다.

TensorFlow 작업에 대한 입력은 다른 TensorFlow 작업의 출력입니다. 이 메서드는 입력 계산을 나타내는 기호 핸들을 얻는 데 사용됩니다.

public staticUniformQuantizedAdd <T> create ( Scope 범위, Operand <T> lhs, Operand <T> rhs, Operand <Float> lhsScales, Operand <Integer> lhsZeroPoints, Operand <Float> rhsScales, Operand <Integer> rhsZeroPoints, Operand <Float > outputScales, 피연산자 <Integer> outputZeroPoints, Long lhsQuantizationMinVal, Long lhsQuantizationMaxVal, Long rhsQuantizationMinVal, Long rhsQuantizationMaxVal, Long outputQuantizationMinVal, Long outputQuantizationMaxVal, 옵션... 옵션)

새로운UniformQuantizedAdd 작업을 래핑하는 클래스를 생성하는 팩토리 메서드입니다.

매개변수
범위 현재 범위
ㅋㅋㅋ 양자화된 텐서여야 합니다.
rhs 양자화된 텐서여야 합니다.
lhs저울 'lhs'가 나타내는 원본 데이터를 양자화할 때 배율 인수로 사용되는 부동 소수점 값입니다.
lhs제로포인트 'lhs'가 나타내는 원본 데이터를 양자화할 때 영점으로 사용되는 int32 값입니다. `lhs_scales`와 모양이 동일해야 합니다.
rhsScale 'rhs'가 나타내는 원본 데이터를 양자화할 때 배율 인수로 사용되는 부동 소수점 값입니다.
rhsZeroPoints 'rhs'가 나타내는 원본 데이터를 양자화할 때 영점으로 사용되는 int32 값입니다. `rhs_scales`와 모양이 동일해야 합니다.
출력스케일 '출력'이 나타내는 원본 데이터를 양자화할 때 배율 인수로 사용할 부동 소수점 값입니다.
출력ZeroPoint 출력이 나타내는 원본 데이터를 양자화할 때 영점으로 사용되는 int32 값입니다. `output_scales`와 동일한 모양이어야 합니다.
lhs양자화MinVal 'lhs'에 저장된 양자화된 데이터의 최소값입니다. 예를 들어 'Tin'이 'qint8'인 경우 좁은 범위가 양자화되면 -127로 설정되어야 하고, 그렇지 않으면 -128로 설정되어야 합니다.
lhsQuantizationMaxVal 'lhs'에 저장된 양자화된 데이터의 최대값입니다. 예를 들어 'Tin'이 'qint8'인 경우 127로 설정해야 합니다.
rhs양자화MinVal 'rhs'에 저장된 양자화된 데이터의 최소값입니다. 예를 들어 'Tin'이 'qint8'인 경우 좁은 범위가 양자화되면 -127로 설정되어야 하고, 그렇지 않으면 -128로 설정되어야 합니다.
rhsQuantizationMaxVal 'rhs'에 저장된 양자화된 데이터의 최대값입니다. 예를 들어 'Tin'이 'qint8'인 경우 127로 설정해야 합니다.
출력양자화MinVal '출력'에 저장된 양자화된 데이터의 최소값입니다. 예를 들어 'Tout'이 'qint8'인 경우 좁은 범위가 양자화되면 -127로 설정되어야 하고, 그렇지 않으면 -128로 설정되어야 합니다.
출력QuantizationMaxVal '출력'에 저장된 양자화된 데이터의 최대값입니다. 예를 들어 'Tout'이 'qint8'인 경우 127로 설정해야 합니다.
옵션 선택적 속성 값을 전달합니다.
보고
  • 균일한 QuantizedAdd의 새로운 인스턴스

공개 정적 균일 QuantizedAdd.Options lhsQuantizationAxis (Long lhsQuantizationAxis)

매개변수
lhs양자화축 해당 차원에 따른 조각에 축당 양자화가 적용되는 텐서의 차원 인덱스를 나타냅니다. -1(기본값)로 설정하면 텐서별 양자화를 나타냅니다. `lhs`의 경우 텐서별 양자화만 지원됩니다. 따라서 이 값은 -1로 설정되어야 합니다. 다른 값은 OpKernel 구성 시 오류를 발생시킵니다.

공개 출력 <T> 출력 ()

출력 양자화된 텐서.

공개 정적 균일 QuantizedAdd.Options 출력QuantizationAxis (긴 출력QuantizationAxis)

매개변수
출력양자화축 해당 차원에 따른 조각에 축당 양자화가 적용되는 텐서의 차원 인덱스를 나타냅니다. -1(기본값)로 설정하면 텐서별 양자화를 나타냅니다. '출력'의 경우 'output_feature_dimension'에 따른 텐서별 양자화 또는 채널별 양자화만 지원됩니다. 따라서 이는 -1 또는 `dimension_numbers.output_feature_dimension`으로 설정되어야 합니다. 다른 값은 OpKernel 구성 시 오류를 발생시킵니다.

공개 정적 균일 QuantizedAdd.Options rhsQuantizationAxis (Long rhsQuantizationAxis)

매개변수
rhs양자화축 해당 차원에 따른 조각에 축당 양자화가 적용되는 텐서의 차원 인덱스를 나타냅니다. -1(기본값)로 설정하면 텐서별 양자화를 나타냅니다. 'rhs'의 경우 'kernel_output_feature_dimension'에 따른 텐서별 양자화 또는 채널별 양자화만 지원됩니다. 따라서 이는 -1 또는 `dimension_numbers.kernel_output_feature_dimension`으로 설정되어야 합니다. 다른 값은 OpKernel 구성 시 오류를 발생시킵니다.