UniformQuantizedAdd

Wykonaj skwantowane dodanie skwantowanego Tensora „lhs” i skwantowanego Tensora „rhs”, aby uzyskać skwantowany „wyjście”.

Biorąc pod uwagę skwantowane „lhs” i skwantowane „rhs”, wykonuje skwantowane dodanie „lhs” i „rhs”, aby uzyskać skwantowany „wyjście”.

„UniformQuantizedAdd” podlega regułom nadawania Numpy. Dwa kształty tablicy wejściowej są porównywane elementarnie. Zaczynając od wymiarów końcowych, oba wymiary muszą być równe lub jeden z nich musi wynosić 1.

„lhs” i „rhs” muszą być skwantowane Tensor, gdzie wartość danych jest kwantyzowana przy użyciu wzoru:

quantized_data = clip(original_data / scale + zero_point, quantization_min_val, quantization_max_val)
 

Jeśli zarówno „lhs”, jak i „wyjście” są kwantowane per-osiowo, oś kwantyzacji musi być zgodna. Ponadto, jeśli zarówno „rhs”, jak i „wyjście” są kwantowane per-osiowo, oś kwantyzacji musi być zgodna. Dopasowanie oznacza, że ​​oś musi pasować podczas dodawania w odniesieniu do transmisji. tj. dla obu operandów `lhs` i `rhs`, jeśli `operand.quantization_axis` >= 0 i `output.quantization_axis` >= 0, `operand.dims` - `operand.quantization_axis` musi być równe `output.dims ` - `oś_kwantyzacji_wyjściowej`.