UniformQuantizedConvolution

UniformQuantizedConvolution kelas akhir publik

Melakukan konvolusi terkuantisasi dari Tensor `lhs` terkuantisasi dan Tensor `rhs` terkuantisasi. untuk membuat `output` terkuantisasi.

Dengan `lhs` yang terkuantisasi dan `rhs` yang terkuantisasi, lakukan titik terkuantisasi pada `lhs` dan `rhs` untuk membuat `output` terkuantisasi.

`lhs` dan `rhs` harus berupa Tensor dengan peringkat yang sama, dan memenuhi kondisi bentuk berikut. - `lhs_feature` % `feature_group_count` == 0 - `lhs_feature` % `rhs_input_feature` == 0 - `lhs_feature` / `feature_group_count` == `rhs_input_feature` - `rhs_output_feature` % `feature_group_count` == `lhs_bat ch` % `batch_group_count` == 0 - `rhs_output_feature` % `batch_group_count` == 0

`lhs` dan `rhs` harus dikuantisasi Tensor, dimana nilai data dikuantisasi menggunakan rumus:

quantized_data = clip(original_data / scale + zero_point, quantization_min_val, quantization_max_val)
 
`output` juga dikuantisasi, menggunakan rumus yang sama. Jika `rhs` dikuantisasi per-tensor, `output` juga harus dikuantisasi per-tensor.

Kelas Bersarang

kelas UniformQuantizedConvolution.Options Atribut opsional untuk UniformQuantizedConvolution

Metode Publik

Keluaran <U>
sebagai Keluaran ()
Mengembalikan pegangan simbolik tensor.
UniformQuantizedConvolution.Options statis
batchGroupCount (BatchGroupCount panjang)
statis <U, T> UniformQuantizedConvolution <U>
buat ( Lingkup lingkup , Operand <T> lhs, Operand <T> rhs, Operand <Float> lhsScales, Operand <Integer> lhsZeroPoints, Operand <Float> rhsScales, Operand <Integer> rhsZeroPoints, Operand <Float> outputScales, Operand <Integer > outputZeroPoints, Class<U> Tout, String padding, Long lhsQuantizationMinVal, Long lhsQuantizationMaxVal, Long rhsQuantizationMinVal, Long rhsQuantizationMaxVal, Long outputQuantizationMinVal, Long outputQuantizationMaxVal, Opsi... pilihan)
Metode pabrik untuk membuat kelas yang membungkus operasi UniformQuantizedConvolution baru.
UniformQuantizedConvolution.Options statis
DimensionNumbers (String DimensionNumbers)
UniformQuantizedConvolution.Options statis
eksplisitPadding (Daftar<Panjang> eksplisitPadding)
UniformQuantizedConvolution.Options statis
featureGroupCount (FiturGroupCount panjang)
UniformQuantizedConvolution.Options statis
lhsDilation (Daftar<Panjang> lhsDilation)
UniformQuantizedConvolution.Options statis
lhsQuantizationAxis (Panjang lhsQuantizationAxis)
Keluaran <U>
keluaran ()
Tensor terkuantisasi keluaran `Tout`, peringkatnya sama dengan `lhs` dan `rhs`.
UniformQuantizedConvolution.Options statis
Sumbu Kuantisasi keluaran (Sumbu Kuantisasi keluaran panjang)
UniformQuantizedConvolution.Options statis
rhsDilation (Daftar<Panjang> rhsDilation)
UniformQuantizedConvolution.Options statis
rhsQuantizationAxis (Sumbu Kuantisasi rhs Panjang)
UniformQuantizedConvolution.Options statis
windowStrides (Daftar<Panjang> windowStrides)

Metode Warisan

Metode Publik

Keluaran publik <U> sebagai Keluaran ()

Mengembalikan pegangan simbolik tensor.

Masukan ke operasi TensorFlow adalah keluaran dari operasi TensorFlow lainnya. Metode ini digunakan untuk mendapatkan pegangan simbolis yang mewakili perhitungan input.

UniformQuantizedConvolution.Options batchGroupCount statis publik (BatchGroupCount panjang)

Parameter
batchGroupCount Jumlah kelompok batch. Digunakan untuk filter yang dikelompokkan. Harus berupa pembagi `fitur_output`.

public static UniformQuantizedConvolution <U> buat ( Lingkup cakupan, Operand <T> lhs, Operand <T> rhs, Operand <Float> lhsScales, Operand <Integer> lhsZeroPoints, Operand <Float> rhsScales, Operand <Integer> rhsZeroPoints, Operand <Float > outputScales, Operand <Integer> outputZeroPoints, Kelas<U> Tout, String padding, Long lhsQuantizationMinVal, Long lhsQuantizationMaxVal, Long rhsQuantizationMinVal, Long rhsQuantizationMaxVal, Long outputQuantizationMinVal, Long outputQuantizationMaxVal, Pilihan... pilihan)

Metode pabrik untuk membuat kelas yang membungkus operasi UniformQuantizedConvolution baru.

Parameter
cakupan ruang lingkup saat ini
lhs Harus berupa tensor terkuantisasi, peringkat >= 3.
rhs Harus berupa tensor terkuantisasi, dengan peringkat yang sama dengan `lhs`.
lhsTimbangan Nilai float yang digunakan sebagai faktor skala saat mengkuantisasi data asli yang diwakili oleh `lhs`. Harus berupa `Tensor` skalar (`lhs` hanya mendukung kuantisasi per-tensor).
lhsZeroPoints Nilai int32 digunakan sebagai titik nol saat mengkuantisasi data asli yang diwakili oleh `lhs`. Kondisi bentuk yang sama dengan `lhs_scales`.
rhsScales Nilai float yang digunakan sebagai faktor skala saat mengkuantisasi data asli yang diwakili oleh `rhs`. Harus berupa `Tensor` skalar untuk kuantisasi per-tensor, atau `Tensor` 1D dengan ukuran `rhs.dim_size(kernel_output_feature_dimension)`, untuk kuantisasi per saluran.
rhsZeroPoints Nilai int32 digunakan sebagai titik nol saat mengkuantisasi data asli yang diwakili oleh `rhs`. Kondisi bentuk yang sama dengan `rhs_scales`.
keluaranTimbangan Nilai float yang digunakan sebagai faktor skala saat mengkuantisasi data asli yang diwakili oleh `output`. Harus berupa `Tensor` skalar untuk kuantisasi per-tensor, atau `Tensor` 1D dengan ukuran `rhs.dim_size(kernel_output_feature_dimension)` - yang sama dengan `output.dim_size(output_feature_dimension)`, untuk kuantisasi per saluran. Jika `rhs` dikuantisasi per-tensor, output juga harus dikuantisasi per-tensor. Artinya, jika `rhs_scales` dan `rhs_zero_points` merupakan `Tensor` skalar, `output_scales` dan `output_zero_points` juga harus berupa `Tensor` skalar.
keluaranZeroPoints Nilai int32 digunakan sebagai titik nol saat mengkuantisasi data asli yang diwakili oleh keluaran. Kondisi bentuk yang sama dengan `output_scales`.
Mengintip Jenis `keluaran` `Tensor`.
lapisan string dari: `"SAME"`, `"VALID"`, atau `"EXPLICIT"`, yang menunjukkan jenis algoritma padding yang akan digunakan.
lhsQuantizationMinVal Nilai minimum data terkuantisasi yang disimpan di `lhs`. Misalnya, jika `Tin` adalah `qint8`, maka ini harus disetel ke -127 jika rentangnya sempit atau -128 jika tidak.
lhsQuantizationMaxVal Nilai maksimal data terkuantisasi yang disimpan di `lhs`. Misalnya, jika `Tin` adalah `qint8`, maka ini harus disetel ke 127.
rhsQuantizationMinVal Nilai minimum data terkuantisasi yang disimpan dalam `rhs`. Misalnya, jika `Tin` adalah `qint8`, maka ini harus disetel ke -127 jika rentangnya sempit atau -128 jika tidak.
rhsQuantizationMaxVal Nilai maksimal data terkuantisasi yang disimpan di `rhs`. Misalnya, jika `Tin` adalah `qint8`, maka ini harus disetel ke 127.
outputQuantizationMinVal Nilai minimum data terkuantisasi yang disimpan di `output`. Misalnya, jika `Tout` adalah `qint8`, ini harus disetel ke -127 jika rentang sempit dikuantisasi atau -128 jika tidak.
keluaranQuantizationMaxVal Nilai maksimal data terkuantisasi yang disimpan di `output`. Misalnya, jika `Tout` adalah `qint8`, ini harus disetel ke 127.
pilihan membawa nilai atribut opsional
Kembali
  • contoh baru dari UniformQuantizedConvolution

UniformQuantizedConvolution.Options DimensionNumbers (String DimensionNumbers)

Parameter
dimensiNomor Struktur informasi dimensi untuk operasi konvolusi. Harus berupa string kosong (default) atau string serial proto `tensorflow.UniformQuantizedConvolutionDimensionNumbersAttr`. Jika string kosong, defaultnya adalah `("NCHW", "OIHW", "NCHW")` (untuk konvolusi 2D).

UniformQuantizedConvolution.Options eksplisitPadding statis publik (Daftar<Panjang> eksplisitPadding)

Parameter
Padding eksplisit Jika `padding` adalah `"EXPLICIT"`, harus ditetapkan sebagai daftar yang menunjukkan padding eksplisit di awal dan akhir setiap dimensi spasial `lhs`. Kalau tidak, ini pasti kosong.

(Jika digunakan,) Harus berupa daftar ukuran `2 * (jumlah dimensi spasial lhs)`, di mana `(explicit_padding[2 * i], eksplisit_padding[2 * i + 1])` menunjukkan `(start_padding, end_padding) ` dari `dimensi_spasial[i]`.

UniformQuantizedConvolution.Options featureGroupCount statis publik (FiturGroupCount panjang)

Parameter
featureGroupCount Jumlah grup fitur. Digunakan untuk konvolusi yang dikelompokkan. Harus berupa pembagi `lhs_feature` dan `output_feature`.

UniformQuantizedConvolution.Options lhsDilation statis publik (Daftar<Panjang> lhsDilation)

Parameter
lhsDilasi Faktor dilatasi yang diterapkan pada setiap dimensi spasial `lhs`. Harus berupa daftar kosong (default) atau daftar ukuran (jumlah dimensi spasial `lhs`). Jika daftar kosong, dilatasi untuk setiap dimensi spasial `lhs` diatur ke 1.

UniformQuantizedConvolution.Options lhsQuantizationAxis statis publik (Panjang lhsQuantizationAxis)

Parameter
lhsQuantizationAxis Menunjukkan indeks dimensi tensor tempat kuantisasi per sumbu diterapkan untuk irisan sepanjang dimensi tersebut. Jika disetel ke -1 (default), ini menunjukkan kuantisasi per tensor. Untuk `lhs`, hanya kuantisasi per tensor yang didukung. Jadi, ini harus disetel ke -1. Nilai lain akan menimbulkan kesalahan pada konstruksi OpKernel.

Keluaran publik <U> keluaran ()

Tensor terkuantisasi keluaran `Tout`, peringkatnya sama dengan `lhs` dan `rhs`.

UniformQuantizedConvolution.Options outputQuantizationAxis statis publik (OutputQuantizationAxis panjang)

Parameter
outputQuantizationAxis Menunjukkan indeks dimensi tensor tempat kuantisasi per sumbu diterapkan untuk irisan sepanjang dimensi tersebut. Jika disetel ke -1 (default), ini menunjukkan kuantisasi per tensor. Untuk `output`, hanya kuantisasi per tensor atau kuantisasi per saluran sepanjang `output_feature_dimension` yang didukung. Oleh karena itu, ini harus disetel ke -1 atau `dimension_numbers.output_feature_dimension`. Nilai lain akan menimbulkan kesalahan pada konstruksi OpKernel.

UniformQuantizedConvolution.Options rhsDilation statis publik (Daftar<Panjang> rhsDilation)

Parameter
rhsDilasi Faktor dilatasi yang diterapkan pada setiap dimensi spasial `rhs`. Harus berupa daftar kosong (default) atau daftar ukuran (jumlah dimensi spasial `rhs`). Jika daftar kosong, dilatasi untuk setiap dimensi spasial `rhs` diatur ke 1.

UniformQuantizedConvolution.Options rhsQuantizationAxis statis publik (RhsQuantizationAxis panjang)

Parameter
rhsQuantizationAxis Menunjukkan indeks dimensi tensor tempat kuantisasi per sumbu diterapkan untuk irisan sepanjang dimensi tersebut. Jika disetel ke -1 (default), ini menunjukkan kuantisasi per tensor. Untuk `rhs`, hanya kuantisasi per tensor atau kuantisasi per saluran sepanjang `kernel_output_feature_dimension` yang didukung. Oleh karena itu, ini harus disetel ke -1 atau `dimension_numbers.kernel_output_feature_dimension`. Nilai lain akan menimbulkan kesalahan pada konstruksi OpKernel.

UniformQuantizedConvolution.Options windowStrides statis publik (Daftar<Panjang> windowStrides)

Parameter
jendelaLangkah Langkah jendela geser untuk setiap dimensi spasial `lhs`. Harus berupa daftar kosong (default) atau daftar ukuran (jumlah dimensi spasial). Jika daftar kosong disediakan, langkah untuk setiap dimensi spasial diatur ke 1.