UniformQuantizedDot

کلاس نهایی عمومی UniformQuantizedDot

برای ایجاد «خروجی» کوانتیزه شده تانسور کوانتیزه «lhs» و تانسور کوانتیزه «rhs» را انجام دهید.

با توجه به "lhs" کوانتیزه شده و "rhs" کوانتیزه شده، نقطه کوانتیزه شده را روی "lhs" و "rhs" انجام می دهد تا "خروجی" کوانتیزه شود. «lhs» و «rhs» باید تانسورهای دو بعدی باشند و lhs.dim_size(1) باید با rhs.dim_size(0) مطابقت داشته باشد. «lhs» و «rhs» باید تانسور کوانتیزه شوند، که در آن مقدار داده با استفاده از فرمول کوانتیزه می شود: quantized_data = clip (original_data / scale + zero_point, quantization_min_val, quantization_max_val). "خروجی" نیز با استفاده از همان فرمول کوانتیزه می شود. اگر «rhs» به ازای هر تانسور کوانتیزه شود، «خروجی» نیز باید به ازای هر تانسور کوانتیزه شود.

کلاس های تو در تو

کلاس UniformQuantizedDot.Options ویژگی های اختیاری برای UniformQuantizedDot

روش های عمومی

خروجی <U>
asOutput ()
دسته نمادین یک تانسور را برمی‌گرداند.
استاتیک <U, T> UniformQuantizedDot <U>
ایجاد ( scope scope، عملوند <T> lhs، عملوند <T> rhs، عملوند <Float> lhsScales، عملوند <Integer> lhsZeroPoints، عملوند <Float> rhsScales، عملوند <Integer> rhsZeroPoints، عملوند < Scalte , out> > outputZeroPoints، Class<U> Tout، Long lhsQuantizationMinVal، Long lhsQuantizationMaxVal، Long rhsQuantizationMinVal، Long rhsQuantizationMaxVal، Long outputQuantizationMinVal، Long outputQuantizationVal، گزینه های Long OutputQuantizationMa ...
روش کارخانه برای ایجاد کلاسی که یک عملیات UniformQuantizedDot جدید را بسته بندی می کند.
استاتیک UniformQuantizedDot.Options
lhsQuantizationAxis (Long lhsQuantizationAxis)
خروجی <U>
خروجی ()
تانسور 2 بعدی خروجی Tout که شکل آن (lhs.dim_size(0)، rhs.dim_size(1)) است.
استاتیک UniformQuantizedDot.Options
outputQuantizationAxis (محور خروجی طولانی مدت)
استاتیک UniformQuantizedDot.Options
rhsQuantizationAxis (Long rhsQuantizationAxis)

روش های ارثی

روش های عمومی

خروجی عمومی <U> 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 استاتیک UniformQuantizedDot <U> ایجاد ( محدوده دامنه، عملوند <T> lhs، عملوند <T> rhs، عملوند <Float> lhsScales، عملوند <صحیح> lhsZeroPoints، عملوند <Float> rhsScales، عملوند <ZInteger <Point> rhs > OutputScales، عملوند <Integer> outputZeroPoints، Class<U> Tout، Long lhsQuantizationMinVal، Long lhsQuantizationMaxVal، Long rhsQuantizationMinVal، Long rhsQuantizationMaxVal، Long outputinQuantization، Long outputinQuantizationx)

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

مولفه های
محدوده محدوده فعلی
lhs باید تانسور دوبعدی قلع باشد.
rhs باید تانسور دوبعدی قلع باشد.
lhsScales مقدار(های) شناور به عنوان مقیاس هنگام کمی سازی داده های اصلی که lhs نشان می دهد استفاده می شود. باید یک تانسور اسکالر باشد (lhs فقط از کوانتیزاسیون هر تانسور پشتیبانی می کند).
lhsZeroPoints مقدار(های) int32 به عنوان نقطه_صفر هنگام کمی کردن داده های اصلی که lhs نشان می دهد استفاده می شود. شرایط شکلی مشابه با lhs_scales.
rhsScales مقدار(های) شناور به عنوان مقیاس هنگام کمی کردن داده های اصلی که rhs نشان می دهد استفاده می شود. باید یک تانسور اسکالر (کوانتیزاسیون هر تانسور) یا یک تانسور اندازه (rhs.dim_size(1)،) (کوانتیزاسیون هر کانال) باشد.
rhsZeroPoints مقدار(های) int32 به‌عنوان نقطه_صفر هنگام کمی کردن داده‌های اصلی که rhs نشان می‌دهد استفاده می‌شود. شرایط شکلی مشابه rhs_scales.
مقیاس های خروجی مقدار(های) شناور برای استفاده به عنوان مقیاس هنگام کمی کردن داده های اصلی که خروجی نشان می دهد. باید یک تانسور اسکالر (کوانتیزاسیون هر تانسور) یا یک تانسور اندازه (output.dim_size(1)،) (کوانتیزاسیون هر کانال) باشد. اگر rhs به ازای هر تانسور کوانتیزه شود، خروجی نیز باید به ازای هر تانسور کوانتیزه شود. این بدان معناست که اگر rhs_scales و rhs_zero_points تانسورهای اسکالر باشند، خروجی_scales و output_zero_points نیز باید تانسور اسکالر باشند.
outputZeroPoints مقدار(های) int32 به عنوان نقطه_صفر هنگام کمی کردن داده های اصلی که خروجی نشان می دهد استفاده می شود. شرایط شکلی مشابه rhs_scales.
تاوت نوع تانسور خروجی
lhsQuantizationMinVal مقدار حداقل داده های کوانتیزه شده ذخیره شده بر حسب lh. به عنوان مثال، اگر Tin qint8 باشد، اگر محدوده باریک کوانتیزه شود، باید روی 127- یا اگر نه -128 تنظیم شود.
lhsQuantizationMaxVal حداکثر مقدار داده های کوانتیزه شده ذخیره شده بر حسب rhs. به عنوان مثال، اگر Tin qint8 باشد، باید روی 127 تنظیم شود.
rhsQuantizationMinVal مقدار حداقل داده های کوانتیزه شده ذخیره شده بر حسب rhs. به عنوان مثال، اگر Trhs qint8 باشد، اگر محدوده باریک کوانتیزه شود، باید روی 127- یا اگر نه -128 تنظیم شود.
rhsQuantizationMaxVal حداکثر مقدار داده های کوانتیزه شده ذخیره شده بر حسب rhs. به عنوان مثال، اگر Trhs qint8 باشد، باید روی 127 تنظیم شود.
خروجیQuantizationMinVal مقدار حداقل داده های کوانتیزه شده ذخیره شده در خروجی. برای مثال، اگر Tout qint8 باشد، اگر محدوده باریک کوانتیزه شود، باید روی -127 یا اگر نه -128 تنظیم شود.
خروجیQuantizationMaxVal حداکثر مقدار داده های کوانتیزه شده ذخیره شده در خروجی. به عنوان مثال، اگر Tout qint8 باشد، باید روی 127 تنظیم شود.
گزینه ها مقادیر ویژگی های اختیاری را حمل می کند
برمی گرداند
  • یک نمونه جدید از UniformQuantizedDot

عمومی ثابت UniformQuantizedDot.Options lhsQuantizationAxis (Long lhsQuantizationAxis)

مولفه های
lhsQuantizationAxis 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 dot op lhs، فقط کوانتیزاسیون هر تانسور پشتیبانی می شود. بنابراین، این ویژگی باید روی -1 تنظیم شود. سایر مقادیر رد می شوند.

خروجی عمومی <U> خروجی ()

تانسور 2 بعدی خروجی Tout که شکل آن (lhs.dim_size(0)، rhs.dim_size(1)) است.

استاتیک عمومی UniformQuantizedDot.Options outputQuantizationAxis (Long outputQuantizationAxis)

مولفه های
خروجی QuantizationAxis 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 خروجی نقطه‌ای، فقط کوانتیزاسیون هر تانسور یا کوانتیزاسیون هر کانال در امتداد بعد 1 پشتیبانی می‌شود. بنابراین، این ویژگی باید روی -1 یا 1 تنظیم شود. سایر مقادیر رد می شوند.

عمومی ثابت UniformQuantizedDot.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 عملیات نقطه‌ای، فقط کوانتیزاسیون هر تانسور یا کوانتیزاسیون هر کانال در امتداد بعد 1 پشتیبانی می‌شود. بنابراین، این ویژگی باید روی -1 یا 1 تنظیم شود. سایر مقادیر رد می شوند.