جریان تنسور:: عملیات:: FakeQuantWithMinMaxVarsPerChannel

bookmark_border با مجموعه‌ها، منظم بمانید ذخیره و طبقه‌بندی محتوا براساس اولویت‌های شما.

تانسور «ورودی‌ها» از نوع شناور را از طریق شناورهای هر کانال، کوانتیزه کنید.

خلاصه

تانسور inputs از نوع شناور در هر کانال و یکی از اشکال: [d] , [b, d] [b, h, w, d] از طریق شناورهای هر کانال min و max شکل [d] تا outputs تانسور همان شکل inputs .

صفات

• [min; max] محدوده گیره را برای داده های inputs تعریف می کند.
• مقادیر inputs در محدوده کوانتیزه شدن ( [0; 2^num_bits - 1] هنگامی که narrow_range نادرست است و [1; 2^num_bits - 1] زمانی که درست است) کوانتیزه می شوند و سپس به صورت شناور در [min; max] فاصله
• num_bits پهنای بیت کوانتیزاسیون است. بین 2 تا 16 شامل.

قبل از کوانتیزاسیون، مقادیر min و max با منطق زیر تنظیم می شوند. پیشنهاد می شود min <= 0 <= max داشته باشید. اگر 0 در محدوده مقادیر نباشد، رفتار می تواند غیرمنتظره باشد:

• اگر 0 < min < max : min_adj = 0 و max_adj = max - min .
• اگر min < max < 0 : min_adj = min - max و max_adj = 0 .
• اگر min <= 0 <= max : scale = (max - min) / (2^num_bits - 1) , min_adj = scale * round(min / scale) و max_adj = max + min_adj - min .

این عملیات دارای یک گرادیان است و بنابراین امکان آموزش مقادیر min و max را فراهم می کند.

استدلال ها:

• scope: یک شی Scope

برمی‌گرداند:

• Output : تانسور خروجی.

صفات عمومی

Operation operation

::tensorflow::Output outputs

 FakeQuantWithMinMaxVarsPerChannel(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input inputs,
  ::tensorflow::Input min,
  ::tensorflow::Input max
)

 FakeQuantWithMinMaxVarsPerChannel(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input inputs,
  ::tensorflow::Input min,
  ::tensorflow::Input max,
  const FakeQuantWithMinMaxVarsPerChannel::Attrs & attrs
)

::tensorflow::Node * node() const 

 operator::tensorflow::Input() const 

 operator::tensorflow::Output() const 

Attrs NarrowRange(
  bool x
)

Attrs NumBits(
  int64 x
)