UniformQuantizedDotHybrid

کلاس نهایی عمومی UniformQuantizedDotHybrid

نقطه 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 نقطه کوانتیزه شده را روی lhs و "rhs" کوانتیزه شده انجام می دهد. کوانتیزاسیون داخلی در `lhs` یک کوانتیزه به qint8، محدوده دینامیکی، در هر دسته (در هر محور در امتداد محور 0)، نامتقارن، و نه محدوده باریک است (محدوده [128-127] است). «lhs» و «rhs» باید تانسورهای دو بعدی باشند و lhs.dim_size(1) باید با rhs.dim_size(0) مطابقت داشته باشد. «rhs» باید تانسور کوانتیزه شود، جایی که مقدار داده‌های آن با استفاده از فرمول کوانتیزه می‌شود: داده‌های_کوانتی‌شده = کلیپ (داده‌های_اصلی / مقیاس + نقطه_صفر، کوانتیزاسیون_min_val، کوانتی‌سازی_حداکثر_وال).

کلاس های تو در تو

کلاس UniformQuantizedDotHybrid.Options ویژگی های اختیاری برای UniformQuantizedDotHybrid

روش های عمومی

خروجی <V>
asOutput ()
دسته نمادین یک تانسور را برمی‌گرداند.
استاتیک <V عدد را گسترش می دهد، T عدد را گسترش می دهد، U> UniformQuantizedDotHybrid <V>
ایجاد ( scope scope، Operand <T> lhs، Operand <U> rhs، Operand <Float> rhsScales، Operand <Integer> rhsZeroPoints، Class<V> Tout، Long rhsQuantizationMinVal، Long rhsQuantizationMaxVal، گزینه ها... )
روش کارخانه برای ایجاد کلاسی که یک عملیات UniformQuantizedDotHybrid جدید را بسته بندی می کند.
خروجی <V>
خروجی ()
تانسور 2 بعدی خروجی Tout که شکل آن (lhs.dim_size(0)، rhs.dim_size(1)) است.
Static UniformQuantizedDotHybrid.Options
rhsQuantizationAxis (Long rhsQuantizationAxis)

روش های ارثی

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.

استاتیک عمومی UniformQuantizedDotHybrid <V> ایجاد ( محدوده دامنه ، عملوند <T> lhs، عملوند <U> rhs، عملوند <Float> rhsScales، عملوند <Integer> rhsZeroPoints، Class<V> Tout، Long rhsQuantizationMinhVsal، طولانی rhsQuantizationMinhVsal . . گزینه ها)

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

مولفه های
محدوده محدوده فعلی
lhs باید تانسور دو بعدی Tlhs باشد.
rhs باید یک تانسور دو بعدی از Trhs باشد.
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.
تاوت نوع تانسور خروجی
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.
گزینه ها مقادیر ویژگی های اختیاری را حمل می کند
برمی گرداند
  • یک نمونه جدید از UniformQuantizedDotHybrid

خروجی عمومی <V> خروجی ()

تانسور 2 بعدی خروجی Tout که شکل آن (lhs.dim_size(0)، rhs.dim_size(1)) است. داده های خروجی خود داده های خروجی اصلی هستند (کوانتیزه نشده).

عمومی استاتیک UniformQuantizedDotHybrid.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.