בצע הוספה כמותית של Tensor `lhs` ו-Tensor `rhs` מכומד כדי ליצור `פלט` כמותי.
בהינתן `lhs` ו-`rhs` כמותי, מבצע הוספה קוונטית על `lhs` ו-`rhs` כדי ליצור `פלט` כמותי.
`UniformQuantizedAdd` עוקב אחר כללי השידור של Numpy. שתי צורות מערך הקלט מושוות מבחינת אלמנט. החל מהממדים הנגררים, שני הממדים צריכים להיות שווים או שאחד מהם צריך להיות 1.
יש לכמת את 'lhs' ו-'rhs' ב-Tensor, כאשר ערך הנתונים מקומת באמצעות הנוסחה:
quantized_data = clip(original_data / scale + zero_point, quantization_min_val, quantization_max_val)
אם 'lhs' ו-'output' שניהם מכומדים לפי ציר, ציר הקוונטיזציה חייב להתאים. כמו כן, אם 'rhs' ו-'output' הם שניהם מכומדים לפי ציר, ציר הקוונטיזציה חייב להתאים. התאמה פירושה שהציר חייב להתאים בעת ההוספה, לגבי השידור. כלומר עבור שני האופרנדים `lhs` ו-`rhs`, אם `operand.quantization_axis` >= 0 ו-`output.quantization_axis` >= 0, `operand.dims` - `operand.quantization_axis` חייב להיות שווה ל-`output.dims ` - `output.quantization_axis`.
כיתות מקוננות
מַחלָקָה | UniformQuantizedAdd.Options | תכונות אופציונליות עבור UniformQuantizedAdd |
שיטות ציבוריות
פלט <T> | asOutput () מחזירה את הידית הסמלית של טנזור. |
סטטי <T> UniformQuantizedAdd <T> | create ( scope scope, Operand <T> lhs, Operand <T> rhs, Operand <Float> lhsScales, Operand <Integer> lhsZeroPoints, Operand <Float> rhsScales, Operand <Integer> rhsZeroPoints, Operand <Float> <Integer> <Integer, Operand > outputZeroPoints, Long lhsQuantizationMinVal, Long lhsQuantizationMaxVal, Long rhsQuantizationMinVal, Long rhsQuantizationMaxVal, Long outputQuantizationMinVal, Long outputQuantizationMaxVal, Options... options) שיטת מפעל ליצירת מחלקה העוטפת פעולת UniformQuantizedAdd חדשה. |
סטטי UniformQuantizedAdd.Options | lhsQuantizationAxis (Long lhsQuantizationAxis) |
פלט <T> | פלט () הפלט טנזור קוונטי. |
סטטי UniformQuantizedAdd.Options | outputQuantizationAxis (Long outputQuantizationAxis) |
סטטי UniformQuantizedAdd.Options | rhsQuantizationAxis (Long rhsQuantizationAxis) |
שיטות בירושה
שיטות ציבוריות
פלט ציבורי <T> asOutput ()
מחזירה את הידית הסמלית של טנזור.
כניסות לפעולות TensorFlow הן יציאות של פעולת TensorFlow אחרת. שיטה זו משמשת להשגת ידית סמלית המייצגת את חישוב הקלט.
public static UniformQuantizedAdd <T> create ( scope scope, Operand <T> lhs, Operand <T> rhs, Operand <Float> lhsScales, Operand <Integer> lhsZeroPoints, Operand <Float> rhsScales, Operand <Integer> rhsZeroPoint, Operand <Integer> rhsZeros > outputScales, Operand <Integer> outputZeroPoints, Long lhsQuantizationMinVal, Long lhsQuantizationMaxVal, Long rhsQuantizationMinVal, Long rhsQuantizationMaxVal, Long outputQuantizationMinVal, Long outputQuantizationMaxVal, Options... options)
שיטת מפעל ליצירת מחלקה העוטפת פעולת UniformQuantizedAdd חדשה.
פרמטרים
תְחוּם | ההיקף הנוכחי |
---|---|
lhs | חייב להיות טנזור כמותי. |
rhs | חייב להיות טנזור כמותי. |
lhsscales | ערכי הציפה המשמשים כגורמי קנה מידה בעת כימות הנתונים המקוריים ש-'lhs' מייצגים. |
lhsZeroPoints | ערכי int32 המשמשים כנקודות אפס בעת כימות נתונים מקוריים ש-'lhs' מייצגים. חייבת להיות אותה צורה עם 'lhs_scales'. |
rhsScales | ערכי הציפה המשמשים כגורמי קנה מידה בעת כימות הנתונים המקוריים ש'rhs' מייצגים. |
rhsZeroPoints | ערכי int32 המשמשים כנקודות אפס בעת כימות נתונים מקוריים ש'rhs' מייצגים. חייבת להיות אותה צורה עם `rhs_scales`. |
סולמות פלט | ערכי הציפה לשימוש כגורמי קנה מידה בעת כימות נתונים מקוריים ש'פלט' מייצג. |
outputZeroPoints | ערכי int32 המשמשים כנקודות אפס בעת כימות נתונים מקוריים שהפלט מייצג. חייבת להיות אותה צורה עם 'סולמות_פלט'. |
lhsQuantizationMinVal | הערך המינימלי של הנתונים הכומתיים המאוחסנים ב-'lhs'. לדוגמה, אם `פח` הוא `qint8`, יש להגדיר את זה ל-127 אם הטווח הצר מקומת או -128 אם לא. |
lhsQuantizationMaxVal | הערך המקסימלי של הנתונים הכומתיים המאוחסנים ב-'lhs'. לדוגמה, אם `פח` הוא `qint8`, יש להגדיר זאת ל-127. |
rhsQuantizationMinVal | הערך המינימלי של הנתונים הכומתיים המאוחסנים ב-'rhs'. לדוגמה, אם `פח` הוא `qint8`, יש להגדיר את זה ל-127 אם הטווח הצר מקומת או -128 אם לא. |
rhsQuantizationMaxVal | הערך המקסימלי של הנתונים הכומתיים המאוחסנים ב-'rhs'. לדוגמה, אם `פח` הוא `qint8`, יש להגדיר זאת ל-127. |
outputQuantizationMinVal | הערך המינימלי של הנתונים הכומתיים המאוחסנים ב'פלט'. לדוגמה, אם `Tout` הוא `qint8`, יש להגדיר את זה ל-127 אם הטווח הצר מקומת או -128 אם לא. |
outputQuantizationMaxVal | הערך המקסימלי של הנתונים הכומתיים המאוחסנים ב'פלט'. לדוגמה, אם `Tout` הוא `qint8`, יש להגדיר זאת ל-127. |
אפשרויות | נושא ערכי תכונות אופציונליות |
מחזיר
- מופע חדש של UniformQuantizedAdd
public static UniformQuantizedAdd.Options lhsQuantizationAxis (Long lhsQuantizationAxis)
פרמטרים
lhsQuantization Axis | מציין את אינדקס הממדים של הטנזור שבו מוחל קוונטיזציה לכל ציר עבור הפרוסות לאורך ממד זה. אם מוגדר ל-1 (ברירת מחדל), זה מצביע על קוונטיזציה לפי טנסור. עבור 'lhs', רק קוונטיזציה לפי טנסור נתמכת. לפיכך, יש להגדיר זאת ל-1. ערכים אחרים יעלו שגיאה בבניית OpKernel. |
---|
public static UniformQuantizedAdd.Options outputQuantizationAxis (Long outputQuantizationAxis)
פרמטרים
outputQuantizationAxis | מציין את אינדקס הממדים של הטנזור שבו מוחל קוונטיזציה לכל ציר עבור הפרוסות לאורך ממד זה. אם מוגדר ל-1 (ברירת מחדל), זה מצביע על קוונטיזציה לפי טנסור. עבור 'פלט', נתמך רק קוונטיזציה לכל טנסור או קוונטיזציה לכל ערוץ לאורך 'מימד_תכונת_פלט'. לפיכך, יש להגדיר זאת ל-1 או `dimension_numbers.output_feature_dimension`. ערכים אחרים יעלו שגיאה בבניית OpKernel. |
---|
public static UniformQuantizedAdd.Options rhsQuantizationAxis (Long rhsQuantizationAxis)
פרמטרים
rhsQuantizationAxis | מציין את אינדקס הממדים של הטנזור שבו מוחל קוונטיזציה לכל ציר עבור הפרוסות לאורך ממד זה. אם מוגדר ל-1 (ברירת מחדל), זה מצביע על קוונטיזציה לפי טנסור. עבור ה-'rhs', נתמכת רק קוונטיזציה לכל טנסור או קוונטיזציה לכל ערוץ לאורך 'מימד_תכונת_פלט_kernel'. לפיכך, זה חייב להיות מוגדר ל-1 או `dimension_numbers.kernel_output_feature_dimension`. ערכים אחרים יעלו שגיאה בבניית OpKernel. |
---|