هشدار: این API منسوخ شده است و پس از پایدار شدن جایگزینی، در نسخه بعدی TensorFlow حذف خواهد شد.

این صفحه به‌وسیله ‏Cloud Translation API‏ ترجمه شده است.

UniformQuantizedConvolutionHybrid

کلاس نهایی عمومی UniformQuantizedConvolutionHybrid

کانولوسیون کوانتیزه ترکیبی تانسور شناور «lhs» و تانسور کوانتیزه «rhs» را انجام دهید.

با توجه به "lhs" شناور و "rhs" کوانتیزه شده، به صورت داخلی روی "lhs" کوانتیزه می شود، و سپس بر روی "lhs" و "rhs" کوانتیزه شده کانولوشن کوانتیزه انجام می دهد.

کمیت‌سازی داخلی در «lhs» یک کمیت‌سازی به «Trhs» است، محدوده دینامیکی، در هر دسته (در هر محور در امتداد محور «dimension_numbers.input_batch_dimension»)، نامتقارن و محدوده باریک نیست (محدوده [Trhs_MIN، Trhs_MAX] است) .

«lhs» و «rhs» باید تانسورهای یک رتبه باشند و شرایط شکل زیر را داشته باشند. - lhs_feature % feature_group_count == 0 - lhs_feature % rhs_input_feature == 0 - lhs_feature / feature_group_count == rhs_input_feature - rhs_output_feature % feature_group_count == 0 - lhs_feature % batch_group -__out تعداد_گروه == 0

«rhs» باید تانسور کوانتیزه شود، جایی که مقدار داده‌های آن با استفاده از فرمول کوانتیزه می‌شود: quantized_data = clip (original_data / scale + zero_point, quantization_min_val, quantization_max_val).

کلاس های تو در تو

کلاس UniformQuantizedConvolutionHybrid.Options ویژگی های اختیاری برای UniformQuantizedConvolutionHybrid

روش های عمومی

خروجی <V>	asOutput () دسته نمادین یک تانسور را برمی‌گرداند.
Static UniformQuantizedConvolutionHybrid.Options	batchGroupCount (Long batchGroupCount)
static <V عدد را گسترش می دهد، T عدد را گسترش می دهد، U> UniformQuantizedConvolutionHybrid <V>	ایجاد ( scope scope، Operand <T> lhs، Operand <U> rhs، Operand <Float> rhsScales، Operand <Integer> rhsZeroPoints، Class<V> Tout، String padding، Long rhsQuantizationMinVal، Long rhsQuantizationsOptionsVal ... ) روش کارخانه برای ایجاد کلاسی که یک عملیات UniformQuantizedConvolutionHybrid جدید را بسته بندی می کند.
Static UniformQuantizedConvolutionHybrid.Options	dimensionNumbers (String dimensionNumbers)
Static UniformQuantizedConvolutionHybrid.Options	explicitPadding (List<Long> explicitPadding)
Static UniformQuantizedConvolutionHybrid.Options	featureGroupCount (Long featureGroupCount)
Static UniformQuantizedConvolutionHybrid.Options	lhsDilation (List<Long> lhsDilation)
خروجی <V>	خروجی () تانسور خروجی «Tout»، همان رتبه «lhs» و «rhs».
Static UniformQuantizedConvolutionHybrid.Options	rhsDilation (List<Long> rhsDilation)
Static UniformQuantizedConvolutionHybrid.Options	rhsQuantizationAxis (Long rhsQuantizationAxis)
Static UniformQuantizedConvolutionHybrid.Options	windowStrides (List<Long> windowStrides)

روش های ارثی

از کلاس org.tensorflow.op.PrimitiveOp

بولی نهایی	برابر است (object obj)
بین المللی نهایی	هش کد ()
عمل	عملیات () `Operation` زیربنایی را برمی گرداند
رشته نهایی	toString ()

از کلاس java.lang.Object

بولی	برابر است (شیء arg0)
کلاس نهایی<?>	getClass ()
بین المللی	هش کد ()
باطل نهایی	اعلام کردن ()
باطل نهایی	اطلاع رسانی به همه ()
رشته	toString ()
باطل نهایی	صبر کنید (long arg0، int arg1)
باطل نهایی	صبر کنید (طولانی arg0)
باطل نهایی	صبر کن ()

از رابط org.tensorflow.Operand

خروجی چکیده <V تعداد را گسترش می دهد>

asOutput ()

دسته نمادین یک تانسور را برمی‌گرداند.

روش های عمومی

خروجی عمومی <V> asOutput ()

دسته نمادین یک تانسور را برمی‌گرداند.

ورودی های عملیات TensorFlow خروجی های عملیات تنسورفلو دیگر هستند. این روش برای به دست آوردن یک دسته نمادین که نشان دهنده محاسبه ورودی است استفاده می شود.

عمومی ثابت UniformQuantizedConvolutionHybrid.Options batchGroupCount (Long batchGroupCount)

مولفه های

BatchGroupCount	تعداد گروه های دسته ای برای فیلترهای گروه بندی استفاده می شود. باید مقسوم کننده output_feature باشد.

عمومی ایستا UniformQuantizedConvolutionHybrid <V> ایجاد ( محدوده دامنه، عملوند <T> lhs، عملوند <U> rhs، عملوند <Float> rhsScales، عملوند <Integer> rhsZeroPoints، Class<V> Tout، String padding، LongQuantQuanngtRhs گزینه ها ... گزینه ها)

روش کارخانه برای ایجاد کلاسی که یک عملیات UniformQuantizedConvolutionHybrid جدید را بسته بندی می کند.

مولفه های

محدوده	محدوده فعلی
lhs	باید یک تانسور غیرکوانتیزه «Tlhs» باشد، رتبه >= 3.
rhs	باید یک تانسور کوانتیزه شده «Trhs» باشد، همان رتبه «lhs».
rhsScales	مقدار(های) شناور به عنوان فاکتورهای مقیاس هنگام کمی کردن داده های اصلی که "rhs" نشان می دهد استفاده می شود. باید یک تانسور اسکالر برای کوانتیزاسیون هر تانسور یا تانسور 1 بعدی با اندازه «rhs.dim_size(kernel_output_feature_dimension)» برای کوانتیزاسیون هر کانال باشد.
rhsZeroPoints	مقدار(های) int32 به عنوان نقطه_صفر هنگام کمی کردن داده های اصلی که "rhs" نشان می دهد استفاده می شود. شرایط شکلی مشابه «rhs_scales».
تاوت	نوع تانسور خروجی
لایه گذاری	رشته ای از: «SAME»»، «VALID»»، یا «EXPLICIT»، که نوع الگوریتم padding مورد استفاده را نشان می دهد.
rhsQuantizationMinVal	مقدار حداقل داده های کوانتیزه شده ذخیره شده در «rhs». برای مثال، اگر «Trhs» qint8 باشد، اگر محدوده باریک کوانتیزه شود، باید روی 127- یا اگر نه -128 تنظیم شود.
rhsQuantizationMaxVal	حداکثر مقدار داده‌های کوانتیزه‌شده ذخیره‌شده در «rhs». برای مثال، اگر «Trhs» qint8 باشد، باید روی 127 تنظیم شود.
گزینه ها	مقادیر ویژگی های اختیاری را حمل می کند

برمی گرداند

یک نمونه جدید از UniformQuantizedConvolutionHybrid

عمومی ثابت UniformQuantizedConvolutionHybrid.Options dimensionNumbers (String dimensionNumbers)

مولفه های

ابعاد اعداد	ساختار اطلاعات ابعاد برای کانولوشن op. باید یک رشته خالی (پیش‌فرض) یا یک رشته سریالی از tensorflow.UniformQuantizedConvolutionDimensionNumbersAttr پروتو باشد. اگر رشته خالی باشد، پیش‌فرض «("NCHW"، "OIHW"، "NCHW")" است (برای کانولوشن دو بعدی).

عمومی ثابت UniformQuantizedConvolutionHybrid.Options explicitPadding (List<Long> explicitPadding)

مولفه های

اکسپلیکیت پدینگ	اگر «padding» Attr «EXPLICIT» باشد، باید به‌عنوان فهرستی تنظیم شود که لایه‌های صریح را در ابتدا و انتهای هر بعد فضایی lhs نشان می‌دهد. در غیر این صورت، این Attr باید خالی باشد. (در صورت استفاده،) باید فهرستی با اندازه 2 * (تعداد ابعاد فضایی lhs) باشد، که در آن (explicit_padding[2 * i]، explicit_padding[2 * i + 1]) ابعاد_ فضایی[i] (start_padding، end_padding) را نشان می‌دهد.

اکسپلیکیت پدینگ

اگر «padding» Attr «EXPLICIT» باشد، باید به‌عنوان فهرستی تنظیم شود که لایه‌های صریح را در ابتدا و انتهای هر بعد فضایی lhs نشان می‌دهد. در غیر این صورت، این Attr باید خالی باشد.

(در صورت استفاده،) باید فهرستی با اندازه 2 * (تعداد ابعاد فضایی lhs) باشد، که در آن (explicit_padding[2 * i]، explicit_padding[2 * i + 1]) ابعاد_ فضایی[i] (start_padding، end_padding) را نشان می‌دهد.

عمومی ثابت UniformQuantizedConvolutionHybrid.Options featureGroupCount (Long featureGroupCount)

مولفه های

featureGroupCount	تعداد گروه های ویژگی برای کانولوشن های گروه بندی شده استفاده می شود. باید مقسوم علیه lhs_feature و output_feature باشد.

عمومی استاتیک UniformQuantizedConvolutionHybrid.Options lhsDilation (List<Long> lhsDilation)

مولفه های

lhs اتساع	عامل اتساع برای اعمال در هر بعد فضایی «lhs». باید یک لیست خالی (پیش فرض) یا یک لیست از اندازه (تعداد ابعاد فضایی lhs) باشد. اگر لیست خالی باشد، اتساع برای هر بعد فضایی lhs روی 1 تنظیم می شود.

خروجی عمومی <V> خروجی ()

تانسور خروجی «Tout»، همان رتبه «lhs» و «rhs». داده های خروجی، داده های خروجی غیر کوانتیزه شده هستند.

عمومی ثابت UniformQuantizedConvolutionHybrid.Options rhsDilation (List<Long> rhsDilation)

مولفه های

rhs اتساع	عامل اتساع برای اعمال در هر بعد فضایی «rhs». باید یک لیست خالی (پیش فرض) یا یک لیست از اندازه (تعداد ابعاد فضایی rhs) باشد. اگر لیست خالی باشد، اتساع برای هر بعد فضایی rhs روی 1 تنظیم می شود.

عمومی ثابت UniformQuantizedConvolutionHybrid.Options rhsQuantizationAxis (Long rhsQuantizationAxis)

مولفه های

rhsQuantizationAxis	شاخص بعد تانسور را نشان می دهد که در آن کوانتیزاسیون هر محور برای برش های امتداد آن بعد اعمال می شود. اگر روی -1 تنظیم شود (پیش‌فرض)، این نشان‌دهنده کوانتیزاسیون هر تانسور است. برای «rhs»، فقط کوانتیزاسیون هر تانسور یا کوانتیزاسیون هر کانال در امتداد kernel_output_feature_dimension پشتیبانی می‌شود. بنابراین، این ویژگی باید روی -1 یا 'dimension_numbers.kernel_output_feature_dimension' تنظیم شود. مقادیر دیگر باعث ایجاد خطا در ساخت OpKernel می شوند.

rhsQuantizationAxis

شاخص بعد تانسور را نشان می دهد که در آن کوانتیزاسیون هر محور برای برش های امتداد آن بعد اعمال می شود. اگر روی -1 تنظیم شود (پیش‌فرض)، این نشان‌دهنده کوانتیزاسیون هر تانسور است. برای «rhs»، فقط کوانتیزاسیون هر تانسور یا کوانتیزاسیون هر کانال در امتداد kernel_output_feature_dimension پشتیبانی می‌شود. بنابراین، این ویژگی باید روی -1 یا 'dimension_numbers.kernel_output_feature_dimension' تنظیم شود. مقادیر دیگر باعث ایجاد خطا در ساخت OpKernel می شوند.

عمومی استاتیک UniformQuantizedConvolutionHybrid.Options windowStrides (List<Long> windowStrides)

مولفه های

windowStrides	گام پنجره کشویی برای هر بعد فضایی «lhs». باید یک لیست خالی (پیش فرض) یا یک لیست از اندازه (تعداد ابعاد فضایی) باشد. اگر یک لیست خالی ارائه شود، گام برای هر بعد فضایی 1 تنظیم می شود.