ทำการบิดเชิงปริมาณแบบไฮบริดของ float Tensor `lhs` และ Tensor เชิงปริมาณ `rhs`
เมื่อกำหนด float `lhs` และ `rhs` เชิงปริมาณ จะดำเนินการหาปริมาณภายใน `lhs` จากนั้นทำการบิดเชิงปริมาณกับ `lhs` และ `rhs` เชิงปริมาณ
การหาปริมาณภายในบน `lhs` คือการหาปริมาณเป็น 'Trhs`, ช่วงไดนามิก, ต่อชุด (ต่อแกนตามแกน `size_numbers.input_batch_size`), ไม่สมมาตร และไม่ใช่ช่วงแคบ (ช่วงคือ [Trhs_MIN, Trhs_MAX]) .
`lhs` และ `rhs` ต้องเป็นเทนเซอร์ที่มีอันดับเดียวกัน และตรงตามเงื่อนไขรูปร่างต่อไปนี้ - lhs_feature % คุณลักษณะ_group_count == 0 - lhs_feature % rhs_input_feature == 0 - lhs_feature / คุณลักษณะ_group_count == rhs_input_feature - rhs_output_feature % คุณลักษณะ_group_count == 0 - lhs_batch % batt_group_count == 0 - rhs_output_feature % batt_group_count == 0
`rhs` จะต้องเป็น Tensor เชิงปริมาณ โดยที่ค่าข้อมูลจะถูกหาปริมาณโดยใช้สูตร: quantized_data = clip(Original_data / scale + zero_point, quantization_min_val, quantization_max_val)
คลาสที่ซ้อนกัน
| ระดับ | UnicomQuantized ConvolutionHybrid.Options | แอ็ตทริบิวต์ทางเลือกสำหรับ UniformQuantizedConvolutionHybrid | |
วิธีการสาธารณะ
| เอาท์พุต <วี> | เป็นเอาท์พุต () ส่งกลับค่าแฮนเดิลสัญลักษณ์ของเทนเซอร์ |
| คง UniformQuantizedConvolutionHybrid.Options แบบคงที่ | BatchGroupCount (BatchGroupCount แบบยาว) |
| คงที่ <V ขยายหมายเลข, T ขยายหมายเลข, U> UniformQuantizedConvolutionHybrid <V> | สร้าง (ขอบเขต ขอบเขต , ตัวดำเนินการ <T> lhs, ตัวดำเนินการ <U> rhs, ตัว ดำเนินการ <Float> rhsScales, ตัวดำเนินการ <Integer> rhsZeroPoints, Class<V> Tout, การขยายสตริง, ยาว rhsQuantizationMinVal, ยาว rhsQuantizationMaxVal, ตัวเลือก... ตัวเลือก) วิธีการจากโรงงานเพื่อสร้างคลาสที่รวมการดำเนินการ UniformQuantizedConvolutionHybrid ใหม่ |
| คง UniformQuantizedConvolutionHybrid.Options แบบคงที่ | DimensionNumbers (สตริงมิติตัวเลข) |
| คง UniformQuantizedConvolutionHybrid.Options แบบคงที่ | explarPadding (รายการ <Long> explarPadding) |
| คง UniformQuantizedConvolutionHybrid.Options แบบคงที่ | คุณลักษณะGroupCount (คุณลักษณะแบบยาวGroupCount) |
| คง UniformQuantizedConvolutionHybrid.Options แบบคงที่ | lhsDilation (รายการ <ยาว> lhsDilation) |
| เอาท์พุต <วี> | เอาท์พุท () เทนเซอร์เอาต์พุตของ "Tout" ซึ่งมีอันดับเดียวกับ "lhs" และ "rhs" |
| คง UniformQuantizedConvolutionHybrid.Options แบบคงที่ | rhsDilation (รายการ <ยาว> rhsDilation) |
| คง UniformQuantizedConvolutionHybrid.Options แบบคงที่ | rhsQuantizationAxis (ยาว rhsQuantizationAxis) |
| คง UniformQuantizedConvolutionHybrid.Options แบบคงที่ | windowStrides (รายการ <ยาว> windowStrides) |
วิธีการสืบทอด
วิธีการสาธารณะ
เอาท์ พุท สาธารณะ <V> asOutput ()
ส่งกลับค่าแฮนเดิลสัญลักษณ์ของเทนเซอร์
อินพุตสำหรับการดำเนินการ TensorFlow คือเอาต์พุตของการดำเนินการ TensorFlow อื่น วิธีการนี้ใช้เพื่อรับหมายเลขอ้างอิงสัญลักษณ์ที่แสดงถึงการคำนวณอินพุต
สาธารณะคง UniformQuantizedConvolutionHybrid.OptionsatchGroupCount ( ชุดยาวGroupCount)
พารามิเตอร์
| ชุดกลุ่มนับ | จำนวนกลุ่มแบทช์ ใช้สำหรับตัวกรองแบบกลุ่ม ต้องเป็นตัวหารของ output_feature |
|---|
สาธารณะคงที่ UniformQuantizedConvolutionHybrid <V> สร้าง (ขอบเขต ขอบเขต , ตัวดำเนินการ <T> lhs, ตัวดำเนินการ <U> rhs, ตัวดำเนินการ <Float> rhsScales, ตัวดำเนินการ <จำนวนเต็ม> rhsZeroPoints, คลาส <V> Tout, การขยายสตริง, ยาว rhsQuantizationMinVal, ยาว rhsQuantizationMaxVal, ตัวเลือก... ตัวเลือก)
วิธีการจากโรงงานเพื่อสร้างคลาสที่รวมการดำเนินการ UniformQuantizedConvolutionHybrid ใหม่
พารามิเตอร์
| ขอบเขต | ขอบเขตปัจจุบัน |
|---|---|
| นะ | ต้องเป็นเทนเซอร์แบบไม่เชิงปริมาณของ `Tlhs` อันดับ >= 3 |
| Rhs | ต้องเป็นเทนเซอร์เชิงปริมาณของ "Trhs" ซึ่งมีอันดับเดียวกับ "lhs" |
| rhsScales | ค่าทศนิยมที่ใช้เป็นปัจจัยมาตราส่วนเมื่อหาปริมาณข้อมูลต้นฉบับที่ `rhs` เป็นตัวแทน ต้องเป็นสเกลาร์เทนเซอร์สำหรับการหาปริมาณต่อเทนเซอร์ หรือ 1D เทนเซอร์ขนาด `rhs.dim_size(kernel_output_feature_size)` สำหรับการหาปริมาณต่อแชนเนล |
| rhsZeroPoints | ค่า int32 ที่ใช้เป็นศูนย์_point เมื่อหาปริมาณข้อมูลต้นฉบับที่แสดงถึง "rhs" สภาพรูปร่างเหมือนกับ `rhs_scales` |
| โน้มน้าว | ประเภทของเทนเซอร์เอาท์พุต |
| การขยายความ | สตริงจาก: `"SAME"`, `"VALID"` หรือ `"EXPLICIT"` ซึ่งระบุประเภทของอัลกอริธึมการเติมที่จะใช้ |
| rhsQuantizationMinVal | ค่าต่ำสุดของข้อมูลเชิงปริมาณที่จัดเก็บไว้ใน "rhs" ตัวอย่างเช่น หาก `Trhs` คือ qint8 ค่านี้จะต้องตั้งค่าเป็น -127 หากเป็นช่วงที่แคบหรือ -128 หากไม่ใช่ |
| rhsQuantizationMaxVal | ค่าสูงสุดของข้อมูลเชิงปริมาณที่จัดเก็บไว้ใน `rhs` ตัวอย่างเช่น หาก `Trhs` คือ qint8 จะต้องตั้งค่าเป็น 127 |
| ตัวเลือก | มีค่าแอตทริบิวต์ทางเลือก |
การส่งคืน
- อินสแตนซ์ใหม่ของ UniformQuantizedConvolutionHybrid
สาธารณะคง UniformQuantizedConvolutionHybrid.Options มิติตัวเลข (สตริงมิติตัวเลข)
พารามิเตอร์
| มิติตัวเลข | โครงสร้างของข้อมูลมิติสำหรับปฏิบัติการบิด ต้องเป็นสตริงว่าง (ค่าเริ่มต้น) หรือสตริงต่อเนื่องของโปรโต tensorflow.UniformQuantizedConvolutionDimensionNumbersAttr หากสตริงว่าง ค่าเริ่มต้นคือ `("NCHW", "OIHW", "NCHW")` (สำหรับการบิด 2D) |
|---|
สาธารณะคง UniformQuantizedConvolutionHybrid.Options ชัดเจนแพดดิ้ง (รายการ <ยาว> ชัดเจนแพดดิ้ง)
พารามิเตอร์
| ชัดเจนPadding | หาก `padding` Attr เป็น `"EXPLICIT"` จะต้องตั้งค่าเป็นรายการที่ระบุช่องว่างภายในที่ชัดเจนที่จุดเริ่มต้นและจุดสิ้นสุดของแต่ละมิติเชิงพื้นที่ lhs มิฉะนั้น Attr นี้จะต้องว่างเปล่า (หากใช้) จะต้องเป็นรายการขนาด 2 * (จำนวนมิติเชิงพื้นที่ lhs) โดยที่ (explicit_padding[2 * i], explicit_padding[2 * i + 1]) ระบุ spatial_ dimensions[i] (start_padding, end_padding) |
|---|
สาธารณะคงที่ UniformQuantizedConvolutionHybrid.Options คุณลักษณะGroupCount (คุณลักษณะแบบยาวGroupCount)
พารามิเตอร์
| คุณลักษณะ GroupCount | จำนวนกลุ่มคุณลักษณะ ใช้สำหรับการโน้มน้าวใจแบบกลุ่ม ต้องเป็นตัวหารของทั้ง lhs_feature และ output_feature |
|---|
สาธารณะคงที่ UniformQuantizedConvolutionHybrid.Options lhsDilation (รายการ <Long> lhsDilation)
พารามิเตอร์
| lhsการขยาย | ปัจจัยการขยายที่จะใช้ในแต่ละมิติเชิงพื้นที่ของ `lhs` ต้องเป็นรายการว่าง (ค่าเริ่มต้น) หรือรายการขนาด (จำนวนมิติเชิงพื้นที่ lhs) หากรายการว่างเปล่า การขยายสำหรับแต่ละมิติเชิงพื้นที่ lhs จะถูกตั้งค่าเป็น 1 |
|---|
เอาท์พุท สาธารณะ <V> เอาท์พุท ()
เทนเซอร์เอาต์พุตของ "Tout" ซึ่งมีอันดับเดียวกับ "lhs" และ "rhs" ข้อมูลเอาต์พุตเป็นข้อมูลเอาต์พุตที่ไม่ได้กำหนดปริมาณ
สาธารณะคง UniformQuantizedConvolutionHybrid.Options rhsDilation (รายการ <Long> rhsDilation)
พารามิเตอร์
| rhsการขยาย | ปัจจัยการขยายที่จะใช้ในแต่ละมิติเชิงพื้นที่ของ `rhs` ต้องเป็นรายการว่าง (ค่าเริ่มต้น) หรือรายการขนาด (จำนวนมิติเชิงพื้นที่ rhs) หากรายการว่างเปล่า การขยายมิติเชิงพื้นที่ rhs แต่ละมิติจะถูกตั้งค่าเป็น 1 |
|---|
สาธารณะคงที่ UniformQuantizedConvolutionHybrid.Options rhsQuantizationAxis (ยาว rhsQuantizationAxis)
พารามิเตอร์
| rhsQuantizationAxis | ระบุดัชนีขนาดของเทนเซอร์ที่ใช้การหาปริมาณต่อแกนสำหรับชิ้นตามขนาดนั้น หากตั้งค่าเป็น -1 (ค่าเริ่มต้น) จะบ่งชี้ถึงการหาปริมาณต่อเทนเซอร์ สำหรับ `rhs` รองรับเฉพาะการหาปริมาณต่อเทนเซอร์หรือการหาปริมาณต่อช่องสัญญาณตาม kernel_output_feature_ มิติข้อมูล ดังนั้น แอตทริบิวต์นี้จะต้องตั้งค่าเป็น -1 หรือ `size_numbers.kernel_output_feature_ dimensions` ค่าอื่นจะทำให้เกิดข้อผิดพลาดในการก่อสร้าง OpKernel |
|---|
สาธารณะคง UniformQuantizedConvolutionHybrid.Options windowStrides (รายการ <Long> windowStrides)
พารามิเตอร์
| windowStrides | ก้าวย่างของหน้าต่างบานเลื่อนสำหรับแต่ละมิติเชิงพื้นที่ของ `lhs` ต้องเป็นรายการว่าง (ค่าเริ่มต้น) หรือรายการขนาด (จำนวนมิติเชิงพื้นที่) หากมีรายการว่าง การก้าวกระโดดสำหรับแต่ละมิติเชิงพื้นที่จะถูกตั้งค่าเป็น 1 |
|---|
ทำการบิดเชิงปริมาณแบบไฮบริดของ float Tensor `lhs` และ Tensor เชิงปริมาณ `rhs`
เมื่อกำหนด float `lhs` และ `rhs` เชิงปริมาณ จะดำเนินการหาปริมาณภายใน `lhs` จากนั้นทำการบิดเชิงปริมาณกับ `lhs` และ `rhs` เชิงปริมาณ
การหาปริมาณภายในบน `lhs` คือการหาปริมาณเป็น 'Trhs`, ช่วงไดนามิก, ต่อชุด (ต่อแกนตามแกน `size_numbers.input_batch_size`), ไม่สมมาตร และไม่ใช่ช่วงแคบ (ช่วงคือ [Trhs_MIN, Trhs_MAX]) .
`lhs` และ `rhs` ต้องเป็นเทนเซอร์ที่มีอันดับเดียวกัน และตรงตามเงื่อนไขรูปร่างต่อไปนี้ - lhs_feature % คุณลักษณะ_group_count == 0 - lhs_feature % rhs_input_feature == 0 - lhs_feature / คุณลักษณะ_group_count == rhs_input_feature - rhs_output_feature % คุณลักษณะ_group_count == 0 - lhs_batch % batt_group_count == 0 - rhs_output_feature % batt_group_count == 0
`rhs` จะต้องเป็น Tensor เชิงปริมาณ โดยที่ค่าข้อมูลจะถูกหาปริมาณโดยใช้สูตร: quantized_data = clip(Original_data / scale + zero_point, quantization_min_val, quantization_max_val)
คลาสที่ซ้อนกัน
| ระดับ | UnicomQuantized ConvolutionHybrid.Options | แอ็ตทริบิวต์ทางเลือกสำหรับ UniformQuantizedConvolutionHybrid | |
วิธีการสาธารณะ
| เอาท์พุต <วี> | เป็นเอาท์พุต () ส่งกลับค่าแฮนเดิลสัญลักษณ์ของเทนเซอร์ |
| คง UniformQuantizedConvolutionHybrid.Options แบบคงที่ | BatchGroupCount (BatchGroupCount แบบยาว) |
| คงที่ <V ขยายหมายเลข, T ขยายหมายเลข, U> UniformQuantizedConvolutionHybrid <V> | สร้าง (ขอบเขต ขอบเขต , ตัวดำเนินการ <T> lhs, ตัวดำเนินการ <U> rhs, ตัว ดำเนินการ <Float> rhsScales, ตัวดำเนินการ <Integer> rhsZeroPoints, Class<V> Tout, การขยายสตริง, ยาว rhsQuantizationMinVal, ยาว rhsQuantizationMaxVal, ตัวเลือก... ตัวเลือก) วิธีการจากโรงงานเพื่อสร้างคลาสที่รวมการดำเนินการ UniformQuantizedConvolutionHybrid ใหม่ |
| คง UniformQuantizedConvolutionHybrid.Options แบบคงที่ | DimensionNumbers (สตริงมิติตัวเลข) |
| คง UniformQuantizedConvolutionHybrid.Options แบบคงที่ | explarPadding (รายการ <Long> explarPadding) |
| คง UniformQuantizedConvolutionHybrid.Options แบบคงที่ | คุณลักษณะGroupCount (คุณลักษณะแบบยาวGroupCount) |
| คง UniformQuantizedConvolutionHybrid.Options แบบคงที่ | lhsDilation (รายการ <ยาว> lhsDilation) |
| เอาท์พุต <วี> | เอาท์พุท () เทนเซอร์เอาต์พุตของ "Tout" ซึ่งมีอันดับเดียวกับ "lhs" และ "rhs" |
| คง UniformQuantizedConvolutionHybrid.Options แบบคงที่ | rhsDilation (รายการ <ยาว> rhsDilation) |
| คง UniformQuantizedConvolutionHybrid.Options แบบคงที่ | rhsQuantizationAxis (ยาว rhsQuantizationAxis) |
| คง UniformQuantizedConvolutionHybrid.Options แบบคงที่ | windowStrides (รายการ <ยาว> windowStrides) |
วิธีการสืบทอด
วิธีการสาธารณะ
เอาท์ พุท สาธารณะ <V> asOutput ()
ส่งกลับค่าแฮนเดิลสัญลักษณ์ของเทนเซอร์
อินพุตสำหรับการดำเนินการ TensorFlow คือเอาต์พุตของการดำเนินการ TensorFlow อื่น วิธีการนี้ใช้เพื่อรับหมายเลขอ้างอิงสัญลักษณ์ที่แสดงถึงการคำนวณอินพุต
สาธารณะคง UniformQuantizedConvolutionHybrid.OptionsatchGroupCount ( ชุดยาวGroupCount)
พารามิเตอร์
| ชุดกลุ่มนับ | จำนวนกลุ่มแบทช์ ใช้สำหรับตัวกรองแบบกลุ่ม ต้องเป็นตัวหารของ output_feature |
|---|
สาธารณะคงที่ UniformQuantizedConvolutionHybrid <V> สร้าง (ขอบเขต ขอบเขต , ตัวดำเนินการ <T> lhs, ตัวดำเนินการ <U> rhs, ตัวดำเนินการ <Float> rhsScales, ตัวดำเนินการ <จำนวนเต็ม> rhsZeroPoints, คลาส <V> Tout, การขยายสตริง, ยาว rhsQuantizationMinVal, ยาว rhsQuantizationMaxVal, ตัวเลือก... ตัวเลือก)
วิธีการจากโรงงานเพื่อสร้างคลาสที่รวมการดำเนินการ UniformQuantizedConvolutionHybrid ใหม่
พารามิเตอร์
| ขอบเขต | ขอบเขตปัจจุบัน |
|---|---|
| นะ | ต้องเป็นเทนเซอร์แบบไม่เชิงปริมาณของ `Tlhs` อันดับ >= 3 |
| Rhs | ต้องเป็นเทนเซอร์เชิงปริมาณของ "Trhs" ซึ่งมีอันดับเดียวกับ "lhs" |
| rhsScales | ค่าทศนิยมที่ใช้เป็นปัจจัยมาตราส่วนเมื่อหาปริมาณข้อมูลต้นฉบับที่ `rhs` เป็นตัวแทน ต้องเป็นสเกลาร์เทนเซอร์สำหรับการหาปริมาณต่อเทนเซอร์ หรือ 1D เทนเซอร์ขนาด `rhs.dim_size(kernel_output_feature_size)` สำหรับการหาปริมาณต่อแชนเนล |
| rhsZeroPoints | ค่า int32 ที่ใช้เป็นศูนย์_point เมื่อหาปริมาณข้อมูลต้นฉบับที่แสดงถึง "rhs" สภาพรูปร่างเหมือนกับ `rhs_scales` |
| โน้มน้าว | ประเภทของเทนเซอร์เอาท์พุต |
| การขยายความ | สตริงจาก: `"SAME"`, `"VALID"` หรือ `"EXPLICIT"` ซึ่งระบุประเภทของอัลกอริธึมการเติมที่จะใช้ |
| rhsQuantizationMinVal | ค่าต่ำสุดของข้อมูลเชิงปริมาณที่จัดเก็บไว้ใน "rhs" ตัวอย่างเช่น หาก `Trhs` คือ qint8 ค่านี้จะต้องตั้งค่าเป็น -127 หากเป็นช่วงที่แคบหรือ -128 หากไม่ใช่ |
| rhsQuantizationMaxVal | ค่าสูงสุดของข้อมูลเชิงปริมาณที่จัดเก็บไว้ใน `rhs` ตัวอย่างเช่น หาก `Trhs` คือ qint8 จะต้องตั้งค่าเป็น 127 |
| ตัวเลือก | มีค่าแอตทริบิวต์ทางเลือก |
การส่งคืน
- อินสแตนซ์ใหม่ของ UniformQuantizedConvolutionHybrid
สาธารณะคง UniformQuantizedConvolutionHybrid.Options มิติตัวเลข (สตริงมิติตัวเลข)
พารามิเตอร์
| มิติตัวเลข | โครงสร้างของข้อมูลมิติสำหรับปฏิบัติการบิด ต้องเป็นสตริงว่าง (ค่าเริ่มต้น) หรือสตริงต่อเนื่องของโปรโต tensorflow.UniformQuantizedConvolutionDimensionNumbersAttr หากสตริงว่าง ค่าเริ่มต้นคือ `("NCHW", "OIHW", "NCHW")` (สำหรับการบิด 2D) |
|---|
สาธารณะคง UniformQuantizedConvolutionHybrid.Options ชัดเจนแพดดิ้ง (รายการ <ยาว> ชัดเจนแพดดิ้ง)
พารามิเตอร์
| ชัดเจนPadding | หาก `padding` Attr เป็น `"EXPLICIT"` จะต้องตั้งค่าเป็นรายการที่ระบุช่องว่างภายในที่ชัดเจนที่จุดเริ่มต้นและจุดสิ้นสุดของแต่ละมิติเชิงพื้นที่ lhs มิฉะนั้น Attr นี้จะต้องว่างเปล่า (หากใช้) จะต้องเป็นรายการขนาด 2 * (จำนวนมิติเชิงพื้นที่ lhs) โดยที่ (explicit_padding[2 * i], explicit_padding[2 * i + 1]) ระบุ spatial_ dimensions[i] (start_padding, end_padding) |
|---|
สาธารณะคงที่ UniformQuantizedConvolutionHybrid.Options คุณลักษณะGroupCount (คุณลักษณะแบบยาวGroupCount)
พารามิเตอร์
| คุณลักษณะ GroupCount | จำนวนกลุ่มคุณลักษณะ ใช้สำหรับการโน้มน้าวใจแบบกลุ่ม ต้องเป็นตัวหารของทั้ง lhs_feature และ output_feature |
|---|
สาธารณะคงที่ UniformQuantizedConvolutionHybrid.Options lhsDilation (รายการ <Long> lhsDilation)
พารามิเตอร์
| lhsการขยาย | ปัจจัยการขยายที่จะใช้ในแต่ละมิติเชิงพื้นที่ของ `lhs` ต้องเป็นรายการว่าง (ค่าเริ่มต้น) หรือรายการขนาด (จำนวนมิติเชิงพื้นที่ lhs) หากรายการว่างเปล่า การขยายสำหรับแต่ละมิติเชิงพื้นที่ lhs จะถูกตั้งค่าเป็น 1 |
|---|
เอาท์พุท สาธารณะ <V> เอาท์พุท ()
เทนเซอร์เอาต์พุตของ "Tout" ซึ่งมีอันดับเดียวกับ "lhs" และ "rhs" ข้อมูลเอาต์พุตเป็นข้อมูลเอาต์พุตที่ไม่ได้กำหนดปริมาณ
สาธารณะคง UniformQuantizedConvolutionHybrid.Options rhsDilation (รายการ <Long> rhsDilation)
พารามิเตอร์
| rhsการขยาย | ปัจจัยการขยายที่จะใช้ในแต่ละมิติเชิงพื้นที่ของ `rhs` ต้องเป็นรายการว่าง (ค่าเริ่มต้น) หรือรายการขนาด (จำนวนมิติเชิงพื้นที่ rhs) หากรายการว่างเปล่า การขยายมิติเชิงพื้นที่ rhs แต่ละมิติจะถูกตั้งค่าเป็น 1 |
|---|
สาธารณะคงที่ UniformQuantizedConvolutionHybrid.Options rhsQuantizationAxis (ยาว rhsQuantizationAxis)
พารามิเตอร์
| rhsQuantizationAxis | ระบุดัชนีขนาดของเทนเซอร์ที่ใช้การหาปริมาณต่อแกนสำหรับชิ้นตามขนาดนั้น หากตั้งค่าเป็น -1 (ค่าเริ่มต้น) จะบ่งชี้ถึงการหาปริมาณต่อเทนเซอร์ สำหรับ `rhs` รองรับเฉพาะการหาปริมาณต่อเทนเซอร์หรือการหาปริมาณต่อช่องสัญญาณตาม kernel_output_feature_ มิติข้อมูล ดังนั้น แอตทริบิวต์นี้จะต้องตั้งค่าเป็น -1 หรือ `size_numbers.kernel_output_feature_ dimensions` ค่าอื่นจะทำให้เกิดข้อผิดพลาดในการก่อสร้าง OpKernel |
|---|
สาธารณะคง UniformQuantizedConvolutionHybrid.Options windowStrides (รายการ <Long> windowStrides)
พารามิเตอร์
| windowStrides | ก้าวย่างของหน้าต่างบานเลื่อนสำหรับแต่ละมิติเชิงพื้นที่ของ `lhs` ต้องเป็นรายการว่าง (ค่าเริ่มต้น) หรือรายการขนาด (จำนวนมิติเชิงพื้นที่) หากมีรายการว่าง การก้าวกระโดดสำหรับแต่ละมิติเชิงพื้นที่จะถูกตั้งค่าเป็น 1 |
|---|