aliran tensor:: operasi:: Dekuantisasi

#include <array_ops.h>

Dekuantisasi tensor 'input' menjadi Tensor float.

Ringkasan

[min_range, max_range] adalah pelampung skalar yang menentukan rentang keluaran. Atribut 'mode' mengontrol penghitungan mana yang digunakan untuk mengonversi nilai float ke nilai terkuantisasinya.

Dalam mode 'MIN_COMBINED', setiap nilai tensor akan mengalami hal berikut: 

if T == qint8: in[i] += (range(T) + 1)/ 2.0
out[i] = min_range + (in[i]* (max_range - min_range) / range(T))
 di sini range(T) = numeric_limits ::max() - numeric_limits ::min() range(T) = numeric_limits ::max() - numeric_limits ::min() range(T) = numeric_limits ::max() - numeric_limits ::min()

Contoh Mode MIN_COMBINED

Jika masukan berasal dari QuantizedRelu6 , jenis keluarannya adalah quint8 (kisaran 0-255) tetapi kisaran QuantizedRelu6 yang mungkin adalah 0-6. Oleh karena itu, nilai min_range dan max_range adalah 0,0 dan 6,0. Dequantize pada quint8 akan mengambil setiap nilai, dilemparkan ke float, dan dikalikan dengan 6/255. Perhatikan bahwa jika quantizedtype adalah qint8, operasi juga akan menambahkan setiap nilai sebesar 128 sebelum casting.

Jika modenya adalah 'MIN_FIRST', maka pendekatan ini digunakan: 

num_discrete_values = 1 << (# of bits in T)
range_adjust = num_discrete_values / (num_discrete_values - 1)
range = (range_max - range_min) * range_adjust
range_scale = range / num_discrete_values
const double offset_input = static_cast(input) - lowest_quantized;
result = range_min + ((input - numeric_limits::min()) * range_scale)

Jika modenya adalah SCALED , dekuantisasi dilakukan dengan mengalikan setiap nilai input dengan scaling_factor. (Jadi input 0 selalu dipetakan ke 0,0).

scaling_factor ditentukan dari min_range , max_range , dan narrow_range dengan cara yang kompatibel dengan QuantizeAndDequantize{V2|V3} dan QuantizeV2 , menggunakan algoritma berikut: 

  

  

    
  const int min_expected_T = std::numeric_limits::min() +
    (narrow_range ? 1 : 0);
  const int max_expected_T = std::numeric_limits::max();
  const float max_expected_T = std::numeric_limits::max();
  const float scale_factor =
    (std::numeric_limits::min() == 0) ? (max_range / max_expected_T)
                                         : std::max(min_range / min_expected_T,
                                                    max_range / max_expected_T);
 Argumen:
  •  ruang lingkup: Objek Lingkup
  •  min_range: Nilai skalar minimum yang mungkin dihasilkan untuk input.
  •  max_range: Nilai skalar maksimum yang mungkin dihasilkan untuk input.
 Pengembalian:
 Konstruktor dan Destruktor
 Dequantize (const :: tensorflow::Scope & scope, :: tensorflow::Input input, :: tensorflow::Input min_range, :: tensorflow::Input max_range)
 Dequantize (const :: tensorflow::Scope & scope, :: tensorflow::Input input, :: tensorflow::Input min_range, :: tensorflow::Input max_range, const Dequantize::Attrs & attrs)
 
 Atribut publik
 operation
 output 
 Fungsi publik
 node () const
 ::tensorflow::Node *
 operator::tensorflow::Input () const
 operator::tensorflow::Output () const 
Fungsi statis publik
 Axis (int64 x)
 Mode (StringPiece x)
 NarrowRange (bool x) 
 Struktur
 tensorflow:: ops:: Dequantize:: Attrs
 Penyetel atribut opsional untuk Dequantize .
 Atribut publik 
 operasi 
Operation operation
 keluaran 
::tensorflow::Output output
 Fungsi publik 
 Dekuantisasi 
 Dequantize(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input,
  ::tensorflow::Input min_range,
  ::tensorflow::Input max_range
)
 Dekuantisasi 
 Dequantize(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input,
  ::tensorflow::Input min_range,
  ::tensorflow::Input max_range,
  const Dequantize::Attrs & attrs
)
 simpul 
::tensorflow::Node * node() const 
 operator::tensorflow::Masukan 
 operator::tensorflow::Input() const 
 operator::tensorflow::Keluaran 
 operator::tensorflow::Output() const 
 Fungsi statis publik 
 Sumbu 
Attrs Axis(
  int64 x
)
 Mode 
Attrs Mode(
  StringPiece x
)
 Rentang Sempit 
Attrs NarrowRange(
  bool x
)