UniformQuantizedAdd

classe final pública UniformQuantizedAdd

Execute a adição quantizada do Tensor `lhs` quantizado e do Tensor `rhs` quantizado para obter a `saída` quantizada.

Dado `lhs` e `rhs` quantizado, executa adição quantizada em `lhs` e `rhs` para produzir uma `saída` quantizada.

`UniformQuantizedAdd` segue as regras de transmissão do Numpy. As duas formas da matriz de entrada são comparadas por elemento. Começando com as dimensões finais, as duas dimensões devem ser iguais ou uma delas precisa ser 1.

`lhs` e `rhs` devem ser quantizados Tensor, onde o valor dos dados é quantizado usando a fórmula:

quantized_data = clip(original_data / scale + zero_point, quantization_min_val, quantization_max_val)

`output` também é quantizado, usando a mesma fórmula.

Se `lhs` e `output` forem quantizados por eixo, o eixo de quantização deverá corresponder. Além disso, se `rhs` e `output` forem quantizados por eixo, o eixo de quantização deverá corresponder. Match significa que o eixo deve corresponder ao adicionar, em relação à transmissão. ou seja, para ambos os operandos `lhs` e `rhs`, se `operand.quantization_axis` >= 0 e `output.quantization_axis` >= 0, `operand.dims` - `operand.quantization_axis` deve ser igual a `output.dims ` - `output.quantization_axis`.

Classes aninhadas

aula UniformQuantizedAdd.Options Atributos opcionais para UniformQuantizedAdd

Métodos Públicos

Saída <T>	asOutput () Retorna o identificador simbólico de um tensor.
estático <T> UniformQuantizedAdd <T>	create ( Escopo do escopo , Operando <T> lhs, Operando <T> rhs, Operando <Float> lhsScales, Operando <Integer> lhsZeroPoints, Operando <Float> rhsScales, Operando <Integer> rhsZeroPoints, Operando <Float> outputScales, Operando <Integer > saídaZeroPoints, Long lhsQuantizationMinVal, Long lhsQuantizationMaxVal, Long rhsQuantizationMinVal, Long rhsQuantizationMaxVal, Long outputQuantizationMinVal, Long outputQuantizationMaxVal, Opções... opções) Método de fábrica para criar uma classe que envolve uma nova operação UniformQuantizedAdd.
UniformQuantizedAdd.Options estático	lhsQuantizationAxis (lhsQuantizationAxis longo)
Saída <T>	saída () O tensor quantizado de saída.
UniformQuantizedAdd.Options estático	outputQuantizationAxis (saída longaQuantizationAxis)
UniformQuantizedAdd.Options estático	rhsQuantizationAxis (Long rhsQuantizationAxis)

Métodos herdados

Da classe org.tensorflow.op.PrimitiveOp

booleano final	é igual (objeto obj)
int final	código hash ()
Operação	op () Retorna a `Operation` subjacente
sequência final	para sequenciar ()

Da classe java.lang.Object

boleano	é igual (objeto arg0)
aula final<?>	getClass ()
interno	código hash ()
vazio final	notificar ()
vazio final	notificar todos ()
Corda	para sequenciar ()
vazio final	espere (long arg0, int arg1)
vazio final	espere (arg0 longo)
vazio final	espere ()

Da interface org.tensorflow.Operand

saída abstrata <T>

asOutput ()

Retorna o identificador simbólico de um tensor.

Métodos Públicos

Saída pública <T> asOutput ()

Retorna o identificador simbólico de um tensor.

As entradas para operações do TensorFlow são saídas de outra operação do TensorFlow. Este método é usado para obter um identificador simbólico que representa o cálculo da entrada.

public static UniformQuantizedAdd <T> create ( Escopo escopo , Operando <T> lhs, Operando <T> rhs, Operando <Float> lhsScales, Operando <Integer> lhsZeroPoints, Operando <Float> rhsScales, Operando <Integer> rhsZeroPoints, Operando <Float > outputScales, Operando <Integer> outputZeroPoints, Long lhsQuantizationMinVal, Long lhsQuantizationMaxVal, Long rhsQuantizationMinVal, Long rhsQuantizationMaxVal, Long outputQuantizationMinVal, Long outputQuantizationMaxVal, Opções... opções)

Método de fábrica para criar uma classe que envolve uma nova operação UniformQuantizedAdd.

Parâmetros

escopo	escopo atual
lhs	Deve ser um tensor quantizado.
rh	Deve ser um tensor quantizado.
lhsEscalas	O(s) valor(es) flutuante(s) usado(s) como fatores de escala ao quantizar os dados originais que `lhs` representa.
lhsZeroPontos	O(s) valor(es) int32 usados como pontos zero ao quantizar os dados originais que `lhs` representa. Deve ter o mesmo formato de `lhs_scales`.
escalas rhs	O(s) valor(es) flutuante(s) usado(s) como fatores de escala ao quantizar os dados originais que `rhs` representa.
rhsZeroPontos	O(s) valor(es) int32 usados como pontos zero ao quantizar os dados originais que `rhs` representa. Deve ter o mesmo formato de `rhs_scales`.
escalas de saída	Os valores flutuantes a serem usados como fatores de escala ao quantizar os dados originais que `output` representa.
saídaZeroPoints	Os valores int32 usados como pontos zero ao quantizar os dados originais que a saída representa. Deve ter o mesmo formato de `output_scales`.
lhsQuantizaçãoMinVal	O valor mínimo dos dados quantizados armazenados em `lhs`. Por exemplo, se `Tin` for `qint8`, deve ser definido como -127 se for quantizado em faixa estreita ou -128 se não for.
lhsQuantizaçãoMaxVal	O valor máximo dos dados quantizados armazenados em `lhs`. Por exemplo, se `Tin` for `qint8`, deverá ser definido como 127.
rhsQuantizaçãoMinVal	O valor mínimo dos dados quantizados armazenados em `rhs`. Por exemplo, se `Tin` for `qint8`, deve ser definido como -127 se for quantizado em faixa estreita ou -128 se não for.
rhsQuantizaçãoMaxVal	O valor máximo dos dados quantizados armazenados em `rhs`. Por exemplo, se `Tin` for `qint8`, deverá ser definido como 127.
saídaQuantizaçãoMinVal	O valor mínimo dos dados quantizados armazenados em `output`. Por exemplo, se `Tout` for `qint8`, deve ser definido como -127 se for quantizado em faixa estreita ou -128 se não for.
saídaQuantizaçãoMaxVal	O valor máximo dos dados quantizados armazenados em `output`. Por exemplo, se `Tout` for `qint8`, deverá ser definido como 127.
opções	carrega valores de atributos opcionais

Devoluções

uma nova instância de UniformQuantizedAdd

público estático UniformQuantizedAdd.Options lhsQuantizationAxis (Long lhsQuantizationAxis)

Parâmetros

lhsQuantizationAxis	Indica o índice de dimensão do tensor onde a quantização por eixo é aplicada às fatias ao longo dessa dimensão. Se definido como -1 (padrão), indica quantização por tensor. Para o `lhs`, apenas a quantização por tensor é suportada. Portanto, isso deve ser definido como -1. Outros valores gerarão erros na construção do OpKernel.

Saída pública <T> saída ()

O tensor quantizado de saída.

público estático UniformQuantizedAdd.Options outputQuantizationAxis (saída longaQuantizationAxis)

Parâmetros

saídaQuantizationAxis	Indica o índice de dimensão do tensor onde a quantização por eixo é aplicada às fatias ao longo dessa dimensão. Se definido como -1 (padrão), indica quantização por tensor. Para a `saída`, apenas a quantização por tensor ou a quantização por canal ao longo de `output_feature_dimension` é suportada. Portanto, deve ser definido como -1 ou `dimension_numbers.output_feature_dimension`. Outros valores gerarão erros na construção do OpKernel.

saídaQuantizationAxis

Indica o índice de dimensão do tensor onde a quantização por eixo é aplicada às fatias ao longo dessa dimensão. Se definido como -1 (padrão), indica quantização por tensor. Para a `saída`, apenas a quantização por tensor ou a quantização por canal ao longo de `output_feature_dimension` é suportada. Portanto, deve ser definido como -1 ou `dimension_numbers.output_feature_dimension`. Outros valores gerarão erros na construção do OpKernel.

público estático UniformQuantizedAdd.Options rhsQuantizationAxis (Long rhsQuantizationAxis)

Parâmetros

rhsQuantizationAxis	Indica o índice de dimensão do tensor onde a quantização por eixo é aplicada às fatias ao longo dessa dimensão. Se definido como -1 (padrão), indica quantização por tensor. Para `rhs`, apenas a quantização por tensor ou quantização por canal ao longo de `kernel_output_feature_dimension` é suportada. Portanto, deve ser definido como -1 ou `dimension_numbers.kernel_output_feature_dimension`. Outros valores gerarão erros na construção do OpKernel.

rhsQuantizationAxis

Indica o índice de dimensão do tensor onde a quantização por eixo é aplicada às fatias ao longo dessa dimensão. Se definido como -1 (padrão), indica quantização por tensor. Para `rhs`, apenas a quantização por tensor ou quantização por canal ao longo de `kernel_output_feature_dimension` é suportada. Portanto, deve ser definido como -1 ou `dimension_numbers.kernel_output_feature_dimension`. Outros valores gerarão erros na construção do OpKernel.