جریان تنسور:: عملیات:: کوانتیزه کردن
#include <array_ops.h>
تانسور "ورودی" را به یک تانسور شناور یا bfloat16 تبدیل کنید .
خلاصه
[min_range، max_range] شناورهای اسکالر هستند که محدوده ای را برای خروجی مشخص می کنند. ویژگی 'mode' دقیقاً کنترل می کند که کدام محاسبات برای تبدیل مقادیر شناور به معادل های کوانتیزه شده آنها استفاده می شود.
در حالت "MIN_COMBINED"، هر مقدار تانسور تحت شرایط زیر قرار می گیرد:
if T == qint8: in[i] += (range(T) + 1)/ 2.0 out[i] = min_range + (in[i]* (max_range - min_range) / range(T))اینجا
range(T) = numeric_limits ::max() - numeric_limits ::min()
range(T) = numeric_limits ::max() - numeric_limits ::min()
range(T) = numeric_limits ::max() - numeric_limits ::min()
مثال حالت MIN_COMBINED
اگر ورودی از QuantizedRelu6 باشد، نوع خروجی quint8 است (محدوده 0-255) اما محدوده احتمالی QuantizedRelu6 0-6 است. بنابراین مقادیر min_range و max_range 0.0 و 6.0 هستند. Dequantize در quint8 هر مقدار را می گیرد، ریخته می شود تا شناور شود، و در 6 / 255 ضرب می شود. توجه داشته باشید که اگر quantizedtype qint8 باشد، عملیات به علاوه هر مقدار را 128 قبل از ریخته گری اضافه می کند.
اگر حالت "MIN_FIRST" باشد، از این روش استفاده می شود:
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)
اگر حالت SCALED
باشد، dequantization با ضرب هر مقدار ورودی در یک scaling_factor انجام می شود. (بنابراین ورودی 0 همیشه به 0.0 نشان داده می شود).
scaling_factor از min_range
، max_range
و narrow_range
به روشی که با QuantizeAndDequantize{V2|V3}
و QuantizeV2
سازگار است، با استفاده از الگوریتم زیر تعیین میشود:
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); استدلال ها:
- scope: یک شی Scope
- min_range: حداقل مقدار اسکالری که احتمالاً برای ورودی تولید می شود.
- max_range: حداکثر مقدار اسکالری که احتمالاً برای ورودی تولید می شود.
ویژگی های اختیاری (به Attrs
مراجعه کنید):
- dtype: نوع تانسور خروجی. در حال حاضر Dequantize از float و bfloat16 پشتیبانی می کند. اگر 'dtype' 'bfloat16' باشد، فقط از حالت 'MIN_COMBINED' پشتیبانی می کند.
برمیگرداند:
-
Output
: تانسور خروجی.
سازندگان و ویرانگرها | |
---|---|
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) |
صفات عمومی | |
---|---|
operation | |
output |
توابع عمومی | |
---|---|
node () const | ::tensorflow::Node * |
operator::tensorflow::Input () const | |
operator::tensorflow::Output () const |
توابع استاتیک عمومی | |
---|---|
Axis (int64 x) | |
Dtype (DataType x) | |
Mode (StringPiece x) | |
NarrowRange (bool x) |
سازه ها | |
---|---|
tensorflow:: ops:: Dequantize:: Attrs | تنظیم کننده های ویژگی اختیاری برای Dequantize . |
صفات عمومی
عملیات
Operation operation
خروجی
::tensorflow::Output output
توابع عمومی
کوانتیزه کردن
Dequantize( const ::tensorflow::Scope & scope, ::tensorflow::Input input, ::tensorflow::Input min_range, ::tensorflow::Input max_range )
کوانتیزه کردن
Dequantize( const ::tensorflow::Scope & scope, ::tensorflow::Input input, ::tensorflow::Input min_range, ::tensorflow::Input max_range, const Dequantize::Attrs & attrs )
گره
::tensorflow::Node * node() const
عملگر::tensorflow::ورودی
operator::tensorflow::Input() const
عملگر::tensorflow::خروجی
operator::tensorflow::Output() const
توابع استاتیک عمومی
محور
Attrs Axis( int64 x )
نوع D
Attrs Dtype( DataType x )
حالت
Attrs Mode( StringPiece x )
محدوده باریک
Attrs NarrowRange( bool x )
جز در مواردی که غیر از این ذکر شده باشد،محتوای این صفحه تحت مجوز Creative Commons Attribution 4.0 License است. نمونه کدها نیز دارای مجوز Apache 2.0 License است. برای اطلاع از جزئیات، به خطمشیهای سایت Google Developers مراجعه کنید. جاوا علامت تجاری ثبتشده Oracle و/یا شرکتهای وابسته به آن است.
تاریخ آخرین بهروزرسانی 2024-11-21 بهوقت ساعت هماهنگ جهانی.