공개 최종 클래스 QuantizedConv2d
양자화된 4D 입력 및 필터 텐서가 주어지면 2D 컨볼루션을 계산합니다.
입력은 양자화된 텐서이며, 가장 낮은 값은 관련 최소값의 실수를 나타내고 가장 높은 값은 최대값을 나타냅니다. 이는 반환된 최소값과 최대값을 고려하여 동일한 방식으로만 양자화된 출력을 해석할 수 있음을 의미합니다.
중첩 클래스
| 수업 | QuantizedConv2d.Options | QuantizedConv2d 의 선택적 속성 | |
상수
| 끈 | OP_NAME | TensorFlow 코어 엔진에서 알려진 이 작업의 이름 |
공개 방법
| static <V는 TType을 확장합니다. > QuantizedConv2d <V> | |
| 정적 QuantizedConv2d.Options | 확장 (List<Long> 확장) |
| 출력 < TFloat32 > | 최대출력 () 가장 높은 양자화된 출력 값이 나타내는 부동 소수점 값입니다. |
| 출력 < TFloat32 > | 최소출력 () 가장 낮은 양자화된 출력 값이 나타내는 부동 소수점 값입니다. |
| 출력 <V> | 출력 () |
상속된 메서드
상수
공개 정적 최종 문자열 OP_NAME
TensorFlow 코어 엔진에서 알려진 이 작업의 이름
상수 값: "QuantizedConv2D"
공개 방법
public static QuantizedConv2d <V> create ( Scope 범위, Operand <? 확장 TType > 입력, Operand <? 확장 TType > 필터, Operand < TFloat32 > minInput, Operand < TFloat32 > maxInput, Operand < TFloat32 > minFilter, Operand < TFloat32 > maxFilter , Class<V> outType, List<Long> 스트라이드, 문자열 패딩, 옵션... 옵션)
새로운 QuantizedConv2d 작업을 래핑하는 클래스를 생성하는 팩토리 메서드입니다.
매개변수
| 범위 | 현재 범위 |
|---|---|
| 필터 | 필터의 input_length 차원은 입력의 깊이 차원과 일치해야 합니다. |
| 최소입력 | 가장 낮은 양자화된 입력 값이 나타내는 부동 소수점 값입니다. |
| 최대 입력 | 가장 높은 양자화된 입력 값이 나타내는 부동 소수점 값입니다. |
| 최소필터 | 가장 낮은 양자화된 필터 값이 나타내는 부동 소수점 값입니다. |
| 최대 필터 | 가장 높은 양자화된 필터 값이 나타내는 부동 소수점 값입니다. |
| 큰 걸음 | 입력 텐서의 각 차원에 대한 슬라이딩 윈도우의 보폭입니다. |
| 심 | 사용할 패딩 알고리즘 유형입니다. |
| 옵션 | 선택적 속성 값을 전달합니다. |
보고
- QuantizedConv2d의 새로운 인스턴스
공개 정적 QuantizedConv2d.Options 확장 (List<Long> 확장)
매개변수
| 확장 | 길이가 4인 1차원 텐서. '입력'의 각 차원에 대한 확장 인자입니다. k > 1로 설정되면 해당 차원의 각 필터 요소 사이에 k-1개의 건너뛴 셀이 있게 됩니다. 측정기준 순서는 `data_format` 값에 따라 결정됩니다. 자세한 내용은 위를 참조하세요. 배치 차원과 깊이 차원의 팽창은 1이어야 합니다. |
|---|