Conozca lo último en aprendizaje automático, IA generativa y más en el Simposio WiML 2023.

Se usó la API de Cloud Translation para traducir esta página.

tensorflow :: operaciones :: QuantizeAndDequantizeV2 :: Atributos

#include <array_ops.h>

Establecedores de atributos opcionales para QuantizeAndDequantizeV2 .

Resumen

Atributos públicos
`axis_ = -1`	`int64`
`narrow_range_ = false`	`bool`
`num_bits_ = 8`	`int64`
`range_given_ = false`	`bool`
`round_mode_ = "HALF_TO_EVEN"`	`StringPiece`
`signed_input_ = true`	`bool`

Funciones publicas
`Axis (int64 x)`	`TF_MUST_USE_RESULT Attrs` Si se especifica, este eje se trata como un canal o eje de corte, y se utiliza un rango de cuantificación independiente para cada canal o corte a lo largo de este eje.
`NarrowRange (bool x)`	`TF_MUST_USE_RESULT Attrs` Si es Verdadero, entonces el valor absoluto del valor mínimo cuantificado es el mismo que el valor máximo cuantificado, en lugar de 1 mayor.
`NumBits (int64 x)`	`TF_MUST_USE_RESULT Attrs` El ancho de bits de la cuantificación.
`RangeGiven (bool x)`	`TF_MUST_USE_RESULT Attrs` Si el rango se da o debe determinarse a partir del tensor de `input` .
`RoundMode (StringPiece x)`	`TF_MUST_USE_RESULT Attrs` El atributo 'round_mode' controla qué algoritmo de redondeo de desempate se utiliza al redondear los valores flotantes a sus equivalentes cuantificados.
`SignedInput (bool x)`	`TF_MUST_USE_RESULT Attrs` Si la cuantificación está firmada o no firmada.

Atributos públicos

eje_

int64 tensorflow::ops::QuantizeAndDequantizeV2::Attrs::axis_ = -1

rango estrecho_

bool tensorflow::ops::QuantizeAndDequantizeV2::Attrs::narrow_range_ = false

num_bits_

int64 tensorflow::ops::QuantizeAndDequantizeV2::Attrs::num_bits_ = 8

range_given_

bool tensorflow::ops::QuantizeAndDequantizeV2::Attrs::range_given_ = false

round_mode_

StringPiece tensorflow::ops::QuantizeAndDequantizeV2::Attrs::round_mode_ = "HALF_TO_EVEN"

entrada_firmada_

bool tensorflow::ops::QuantizeAndDequantizeV2::Attrs::signed_input_ = true

Funciones publicas

Eje

TF_MUST_USE_RESULT Attrs tensorflow::ops::QuantizeAndDequantizeV2::Attrs::Axis(
  int64 x
)

Si se especifica, este eje se trata como un canal o eje de corte, y se utiliza un rango de cuantificación independiente para cada canal o corte a lo largo de este eje.

Predeterminado a -1

Rango estrecho

TF_MUST_USE_RESULT Attrs tensorflow::ops::QuantizeAndDequantizeV2::Attrs::NarrowRange(
  bool x
)

Si es Verdadero, entonces el valor absoluto del valor mínimo cuantificado es el mismo que el valor máximo cuantificado, en lugar de 1 mayor.

es decir, para la cuantificación de 8 bits, el valor mínimo es -127 en lugar de -128.

Por defecto es falso

NumBits

TF_MUST_USE_RESULT Attrs tensorflow::ops::QuantizeAndDequantizeV2::Attrs::NumBits(
  int64 x
)

El ancho de bits de la cuantificación.

El valor predeterminado es 8

RangeDiven

TF_MUST_USE_RESULT Attrs tensorflow::ops::QuantizeAndDequantizeV2::Attrs::RangeGiven(
  bool x
)

Si el rango se da o debe determinarse a partir del tensor de input .

Por defecto es falso

RoundMode

TF_MUST_USE_RESULT Attrs tensorflow::ops::QuantizeAndDequantizeV2::Attrs::RoundMode(
  StringPiece x
)

El atributo 'round_mode' controla qué algoritmo de redondeo de desempate se utiliza al redondear los valores flotantes a sus equivalentes cuantificados.

Actualmente se admiten los siguientes modos de redondeo:

HALF_TO_EVEN: este es el modo round_mode predeterminado.
HALF_UP: redondeo hacia positivo. En este modo, 7.5 redondea a 8 y -7.5 redondea a -7.

El valor predeterminado es "HALF_TO_EVEN"

SignedInput

TF_MUST_USE_RESULT Attrs tensorflow::ops::QuantizeAndDequantizeV2::Attrs::SignedInput(
  bool x
)

Si la cuantificación está firmada o no firmada.

(en realidad, este parámetro debería haberse signed_output )

Por defecto es verdadero