کلاس نهایی عمومی QuantizedConv2d
کانولوشن دوبعدی را با داده های ورودی 4 بعدی کوانتیزه شده و تانسورهای فیلتر محاسبه می کند.
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.
کلاس های تو در تو
| کلاس | QuantizedConv2d.Options | ویژگی های اختیاری برای QuantizedConv2d | |
ثابت ها
| رشته | OP_NAME | نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود |
روش های عمومی
| static <V TType > QuantizedConv2d <V> را گسترش می دهد | ایجاد ( دامنه دامنه ، عملوند <? گسترش TType > ورودی، عملوند <? گسترش TType > فیلتر، عملوند < TFloat32 > minInput، عملوند < TFloat32 > maxInput، عملوند < TFloat32 > minFilter، عملوند < TFloat32 > maxFilter > maxFilter، Class<V>outpey، , List<Long> strides, String padding, Options... گزینه ها) روش کارخانه برای ایجاد کلاسی که یک عملیات جدید QuantizedConv2d را بسته بندی می کند. |
| استاتیک QuantizedConv2d.Options | اتساع (List<Long> dilation) |
| خروجی < TFloat32 > | حداکثر خروجی () مقدار شناور که بالاترین مقدار خروجی کوانتیزه شده نشان دهنده آن است. |
| خروجی < TFloat32 > | minOutput () مقدار شناوری که کمترین مقدار خروجی کوانتیزه شده نشان دهنده آن است. |
| خروجی <V> | خروجی () |
روش های ارثی
ثابت ها
رشته نهایی ثابت عمومی OP_NAME
نام این عملیات، همانطور که توسط موتور هسته TensorFlow شناخته می شود
مقدار ثابت: "QuantizedConv2D"
روش های عمومی
استاتیک عمومی QuantizedConv2d <V> ایجاد ( دامنه دامنه ، عملوند <? گسترش TType > ورودی، عملوند <? گسترش TType > فیلتر، عملوند < TFloat32 > minInput، عملوند < TFloat32 > maxInput، عملوند < TFloat32 > minFilter، عملوند maFilter > TF2 , Class<V> outType, List<Long> گام‌های بلند, لایه‌بندی رشته, گزینه‌ها... گزینه‌ها)
روش کارخانه برای ایجاد کلاسی که یک عملیات جدید QuantizedConv2d را بسته بندی می کند.
مولفه های
| محدوده | محدوده فعلی |
|---|---|
| فیلتر | بعد input_depth فیلتر باید با ابعاد عمق ورودی مطابقت داشته باشد. |
| minInput | مقدار شناور که کمترین مقدار ورودی کوانتیزه شده نشان دهنده آن است. |
| maxInput | مقدار شناور که بالاترین مقدار ورودی کوانتیزه شده نشان دهنده آن است. |
| minFilter | مقدار شناور که کمترین مقدار فیلتر کوانتیزه شده نشان دهنده آن است. |
| maxFilter | مقدار شناور که بالاترین مقدار فیلتر کوانتیزه شده نشان دهنده آن است. |
| گام برداشت | گام پنجره کشویی برای هر بعد تانسور ورودی. |
| لایه گذاری | نوع الگوریتم padding مورد استفاده. |
| گزینه ها | مقادیر ویژگی های اختیاری را حمل می کند |
برمی گرداند
- یک نمونه جدید از QuantizedConv2d
اتساع عمومی QuantizedConv2d.Options ثابت (List<Long> dilation)
مولفه های
| اتساع | تانسور 1 بعدی به طول 4. ضریب اتساع برای هر بعد «ورودی». 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 مقدار "قالب_داده" تعیین می شود، برای جزئیات بیشتر به بالا مراجعه کنید. اتساع در ابعاد دسته ای و عمقی باید 1 باشد. |
|---|
خروجی عمومی < TFloat32 > maxOutput ()
مقدار شناور که بالاترین مقدار خروجی کوانتیزه شده نشان دهنده آن است.
خروجی عمومی < TFloat32 > minOutput ()
مقدار شناوری که کمترین مقدار خروجی کوانتیزه شده نشان دهنده آن است.