جریان تنسور:: عملیات:: QuantizedConv2D
#include <nn_ops.h>
کانولوشن دوبعدی را با داده های ورودی 4 بعدی کوانتیزه شده و تانسورهای فیلتر محاسبه می کند.
خلاصه
ورودی ها تانسورهای کوانتیزه ای هستند که کمترین مقدار نشان دهنده تعداد واقعی حداقل مربوطه و بالاترین نشان دهنده حداکثر است. این بدان معنی است که شما فقط می توانید خروجی کوانتیزه شده را به همان روش تفسیر کنید، با در نظر گرفتن مقادیر حداقل و حداکثر برگشتی.
استدلال ها:
- scope: یک شی Scope
- فیلتر: بعد input_depth فیلتر باید با ابعاد عمق ورودی مطابقت داشته باشد.
- min_input: مقدار شناوری که کمترین مقدار ورودی کوانتیزه شده نشان دهنده آن است.
- max_input: مقدار شناوری که بالاترین مقدار ورودی کوانتیزه شده نشان دهنده آن است.
- min_filter: مقدار float که کمترین مقدار فیلتر کوانتیزه شده نشان دهنده آن است.
- max_filter: مقدار float که بالاترین مقدار فیلتر کوانتیزه شده را نشان می دهد.
- strides: گام پنجره کشویی برای هر بعد تانسور ورودی.
- padding: نوع الگوریتم padding مورد استفاده.
ویژگی های اختیاری (به Attrs
مراجعه کنید):
- اتساع: تانسور 1 بعدی به طول 4. ضریب اتساع برای هر بعد
input
. اگر روی k> 1 تنظیم شود، بین هر عنصر فیلتر در آن بعد، سلول های k-1 پرش شده وجود خواهد داشت. ترتیب ابعاد با مقدارdata_format
تعیین می شود، برای جزئیات بیشتر به بالا مراجعه کنید. اتساع در ابعاد دسته ای و عمقی باید 1 باشد.
برمی گرداند:
- خروجی
Output
-
Output
min_output: مقدار شناوری که کمترین مقدار خروجی کوانتیزه شده نشان دهنده آن است. -
Output
max_output: مقدار شناوری که بالاترین مقدار خروجی کوانتیزه شده نشان دهنده آن است.
سازندگان و ویرانگرها | |
---|---|
QuantizedConv2D (const :: tensorflow::Scope & scope, :: tensorflow::Input input, :: tensorflow::Input filter, :: tensorflow::Input min_input, :: tensorflow::Input max_input, :: tensorflow::Input min_filter, :: tensorflow::Input max_filter, const gtl::ArraySlice< int > & strides, StringPiece padding) | |
QuantizedConv2D (const :: tensorflow::Scope & scope, :: tensorflow::Input input, :: tensorflow::Input filter, :: tensorflow::Input min_input, :: tensorflow::Input max_input, :: tensorflow::Input min_filter, :: tensorflow::Input max_filter, const gtl::ArraySlice< int > & strides, StringPiece padding, const QuantizedConv2D::Attrs & attrs) |
صفات عمومی | |
---|---|
max_output | |
min_output | |
operation | |
output |
توابع استاتیک عمومی | |
---|---|
Dilations (const gtl::ArraySlice< int > & x) | |
OutType (DataType x) |
سازه ها | |
---|---|
tensorflow:: ops:: QuantizedConv2D:: Attrs | تنظیم کننده های ویژگی اختیاری برای QuantizedConv2D . |
صفات عمومی
حداکثر_خروجی
::tensorflow::Output max_output
min_output
::tensorflow::Output min_output
عملیات
Operation operation
خروجی
::tensorflow::Output output
توابع عمومی
QuantizedConv2D
QuantizedConv2D( const ::tensorflow::Scope & scope, ::tensorflow::Input input, ::tensorflow::Input filter, ::tensorflow::Input min_input, ::tensorflow::Input max_input, ::tensorflow::Input min_filter, ::tensorflow::Input max_filter, const gtl::ArraySlice< int > & strides, StringPiece padding )
QuantizedConv2D
QuantizedConv2D( const ::tensorflow::Scope & scope, ::tensorflow::Input input, ::tensorflow::Input filter, ::tensorflow::Input min_input, ::tensorflow::Input max_input, ::tensorflow::Input min_filter, ::tensorflow::Input max_filter, const gtl::ArraySlice< int > & strides, StringPiece padding, const QuantizedConv2D::Attrs & attrs )
توابع استاتیک عمومی
اتساع ها
Attrs Dilations( const gtl::ArraySlice< int > & x )
OutType
Attrs OutType( DataType x )
جز در مواردی که غیر از این ذکر شده باشد،محتوای این صفحه تحت مجوز Creative Commons Attribution 4.0 License است. نمونه کدها نیز دارای مجوز Apache 2.0 License است. برای اطلاع از جزئیات، به خطمشیهای سایت Google Developers مراجعه کنید. جاوا علامت تجاری ثبتشده Oracle و/یا شرکتهای وابسته به آن است.
تاریخ آخرین بهروزرسانی 2024-11-10 بهوقت ساعت هماهنگ جهانی.