परिमाणित टेंसर `इनपुट` को देखते हुए, इसे नए परिमाणीकरण मापदंडों के साथ पुन: निर्धारित करें।
परिमाणित टेंसर `इनपुट` दिया गया है, जिसे {input_scales, input_zero_points, input_quantization_axis, input_quantization_min_val, input_quantization_max_val} का उपयोग करके परिमाणित किया गया था, इसे एक टेंसर के लिए पुन: परिमाणित करें, जिसे {output_scales, output_quantization_max_valaxis, output_quantization_min_val, output_quantization_val, output_quantization_valis, output_quantization_min_val का उपयोग करके परिमाणित किया जाता है। पुनरावर्तन सूत्र का उपयोग करके किया जाता है: output_quantized_data = क्लिप ((input_quantized_data - input_zero_point) * (input_scale / output_scale) + output_zero_point, output_quantization_min_val, output_quantization_max_val)
प्रति-टेंसर और प्रति-अक्ष परिमाणीकरण समर्थित मामले निम्नलिखित हैं:
- प्रति-टेंसर -> प्रति-टेंसर
- प्रति-टेंसर -> प्रति-अक्ष
- प्रति-अक्ष -> प्रति-अक्ष जहां input_quantization_axis output_quantization_axis के बराबर है। यानी input_quantization_axis और output_quantization_axis में से कम से कम एक -1 होना चाहिए, या दो बराबर होने चाहिए।
नेस्टेड कक्षाएं
| कक्षा | यूनिफ़ॉर्म रिक्वांटाइज़। विकल्प | UniformRequantize के लिए वैकल्पिक विशेषताएँ | |
सार्वजनिक तरीके
| आउटपुट <यू> | आउटपुट के रूप में () टेंसर का प्रतीकात्मक हैंडल लौटाता है। |
| स्टेटिक <यू, टी> यूनिफ़ॉर्म रिक्वेंटाइज़ <यू> | बनाएं ( स्कोप स्कोप, ऑपरेंड <टी> इनपुट, ऑपरेंड <फ्लोट> इनपुटस्केल्स , ऑपरेंड <इंटीजर> इनपुटजेरोपॉइंट्स, ऑपरेंड <फ्लोट> आउटपुटस्केल्स, ऑपरेंड <इंटीजर> आउटपुटजेरोपॉइंट्स, क्लास <यू> टाउट, लॉन्ग इनपुटक्वांटाइजेशनमिनवैल, लॉन्ग इनपुटक्वांटाइजेशनमैक्सवैल, लॉन्ग आउटपुट, क्वांटाइजेशनमिन। लंबा आउटपुटQuantizationMaxVal, विकल्प... विकल्प) एक नया UniformRequantize ऑपरेशन रैपिंग क्लास बनाने के लिए फ़ैक्टरी विधि। |
| स्थिर वर्दीRequantize.Options | inputQuantizationAxis (लंबी इनपुटQuantizationAxis) |
| आउटपुट <यू> | आउटपुट () आउटपुट ने टाउट के टेंसर को परिमाणित किया, जिसका आकार इनपुट के समान है। |
| स्थिर वर्दीRequantize.Options | outputQuantizationAxis (लंबी आउटपुटQuantizationAxis) |
विरासत में मिली विधियां
सार्वजनिक तरीके
सार्वजनिक आउटपुट <U> आउटपुट के रूप में ()
टेंसर का प्रतीकात्मक हैंडल लौटाता है।
TensorFlow संचालन के लिए इनपुट एक अन्य TensorFlow ऑपरेशन के आउटपुट हैं। इस पद्धति का उपयोग एक प्रतीकात्मक हैंडल प्राप्त करने के लिए किया जाता है जो इनपुट की गणना का प्रतिनिधित्व करता है।
पब्लिक स्टैटिक यूनिफ़ॉर्मरक्वांटाइज़ <यू> क्रिएट ( स्कोप स्कोप, ऑपरेंड <टी> इनपुट, ऑपरेंड <फ्लोट> इनपुटस्केल्स , ऑपरेंड <इंटीजर> इनपुटजेरोपॉइंट्स, ऑपरेंड <फ्लोट> आउटपुटस्केल्स, ऑपरेंड <इंटीजर> आउटपुटजेरोपॉइंट्स, क्लास <यू> टाउट, लॉन्ग इनपुटक्वांटाइजेशनमिनवेल, लंबा इनपुट क्वांटिज़ेशन मैक्सवैल, लंबा आउटपुट क्वांटिज़ेशन मिनवेल, लंबा आउटपुट क्वांटिज़ेशन मैक्सवैल, विकल्प ... विकल्प)
एक नया UniformRequantize ऑपरेशन रैपिंग क्लास बनाने के लिए फ़ैक्टरी विधि।
मापदंडों
| दायरा | वर्तमान दायरा |
|---|---|
| इनपुट | टिन का टेंसर होना चाहिए। |
| इनपुटस्केल्स | 'इनपुट' का प्रतिनिधित्व करने वाले मूल डेटा को परिमाणित करते समय फ़्लोट मान (ओं) को स्केल के रूप में उपयोग किया जाता है। एक स्केलर टेंसर होना चाहिए यदि quantization_axis -1 (प्रति-टेंसर क्वांटिज़ेशन) है, अन्यथा आकार का 1D टेंसर (input.dim_size(quantization_axis),) (प्रति-अक्ष क्वांटिज़ेशन)। |
| इनपुट जीरो पॉइंट्स | 'इनपुट' का प्रतिनिधित्व करने वाले मूल डेटा को परिमाणित करते समय शून्य_बिंदु (ओं) के रूप में उपयोग किया जाने वाला int32 मान। तराजू के समान आकार की स्थिति। |
| आउटपुटस्केल्स | 'इनपुट' का प्रतिनिधित्व करने वाले मूल डेटा को मापने के लिए नए पैमाने के रूप में उपयोग करने के लिए फ़्लोट मान। एक स्केलर टेंसर होना चाहिए यदि quantization_axis -1 (प्रति-टेंसर क्वांटिज़ेशन) है, अन्यथा आकार का 1D टेंसर (input.dim_size(quantization_axis),) (प्रति-अक्ष क्वांटिज़ेशन)। |
| आउटपुटज़ीरोपॉइंट्स | 'इनपुट' का प्रतिनिधित्व करने वाले मूल डेटा को मापने के लिए नए शून्य_बिंदु (ओं) के रूप में उपयोग करने के लिए int32 मान। तराजू के समान आकार की स्थिति। |
| टाउट | आउटपुट टेंसर का प्रकार। एक tf.DType से: tf.qint8, tf.qint32 |
| इनपुट क्वांटिज़ेशनमिनवैल | परिमाणीकरण न्यूनतम मान जिसका उपयोग `इनपुट` का प्रतिनिधित्व करने वाले मूल डेटा को परिमाणित करते समय किया गया था। इस विशेषता का उद्देश्य आमतौर पर संकीर्ण सीमा को इंगित करने के लिए (लेकिन सीमित नहीं) है, जहां यह इस पर सेट है: `(टिन सबसे कम) + 1` यदि संकीर्ण सीमा है, और `(टिन सबसे कम)` अन्यथा। उदाहरण के लिए, यदि टिन qint8 है, तो इसे -127 पर सेट किया जाता है यदि संकीर्ण सीमा मात्राबद्ध है या -128 यदि नहीं है। |
| इनपुट क्वांटिज़ेशनमैक्सवैल | परिमाणीकरण अधिकतम मान जिसका उपयोग `इनपुट` का प्रतिनिधित्व करने वाले मूल डेटा को परिमाणित करते समय किया गया था। इस विशेषता का उद्देश्य आम तौर पर (लेकिन इन्हीं तक सीमित नहीं) संकीर्ण श्रेणी को इंगित करना है, जहां यह संकीर्ण श्रेणी और न कि संकीर्ण श्रेणी दोनों के लिए: `(टाउट अधिकतम)` पर सेट है। उदाहरण के लिए, यदि टिन qint8 है, तो यह 127 पर सेट है। |
| आउटपुट क्वांटिज़ेशनमिनवैल | 'इनपुट' का प्रतिनिधित्व करने वाले मूल डेटा को परिमाणित करने के लिए नया परिमाणीकरण न्यूनतम मान। |
| आउटपुट क्वांटिज़ेशनमैक्सवैल | 'इनपुट' का प्रतिनिधित्व करने वाले मूल डेटा को परिमाणित करने के लिए नया परिमाणीकरण अधिकतम मान। |
| विकल्प | वैकल्पिक विशेषता मान रखता है |
रिटर्न
- UniformRequantize का एक नया उदाहरण
सार्वजनिक स्थैतिक UniformRequantize.Options inputQuantizationAxis (Long inputQuantizationAxis)
मापदंडों
| इनपुट क्वांटिज़ेशनएक्सिस | परिमाणीकरण अक्ष जिसका उपयोग `इनपुट` का प्रतिनिधित्व करने वाले मूल डेटा को परिमाणित करते समय किया गया था। टेंसर के आयाम सूचकांक को इंगित करता है जहां उस आयाम के साथ स्लाइस के लिए प्रति-अक्ष परिमाणीकरण लागू किया जाता है। यदि -1 (डिफ़ॉल्ट) पर सेट किया जाता है, तो यह प्रति-टेंसर परिमाणीकरण को इंगित करता है। अन्यथा, इसे सीमा [0, input.dims ()) के भीतर सेट किया जाना चाहिए। |
|---|
सार्वजनिक आउटपुट <यू> आउटपुट ()
आउटपुट ने टाउट के टेंसर को परिमाणित किया, जिसका आकार इनपुट के समान है।
सार्वजनिक स्थैतिक UniformRequantize.Options outputQuantizationAxis (Long outputQuantizationAxis)
मापदंडों
| आउटपुट क्वांटिज़ेशनएक्सिस | 'इनपुट' का प्रतिनिधित्व करने वाले मूल डेटा को परिमाणित करने के लिए उपयोग करने के लिए नया परिमाणीकरण अक्ष। |
|---|