UniformQuantizedAdd

UniformQuantizedAdd kelas akhir publik

Lakukan penambahan terkuantisasi Tensor `lhs` dan Tensor `rhs` terkuantisasi untuk menghasilkan `output` terkuantisasi.

Mengingat `lhs` dan `rhs` terkuantisasi, lakukan penambahan terkuantisasi pada `lhs` dan `rhs` untuk menghasilkan `output` terkuantisasi.

`UniformQuantizedAdd` mengikuti aturan penyiaran Numpy. Kedua bentuk larik masukan dibandingkan berdasarkan elemen. Dimulai dengan dimensi tambahan, kedua dimensi harus sama atau salah satunya harus 1.

`lhs` dan `rhs` harus dikuantisasi Tensor, dimana nilai data dikuantisasi menggunakan rumus:

quantized_data = clip(original_data / scale + zero_point, quantization_min_val, quantization_max_val)
 

`output` juga dikuantisasi, menggunakan rumus yang sama.

Jika `lhs` dan `output` keduanya dikuantisasi per sumbu, sumbu kuantisasi harus cocok. Selain itu, jika `rhs` dan `output` keduanya dikuantisasi per sumbu, sumbu kuantisasi harus cocok. Cocok artinya sumbu harus cocok saat menambahkan, mengenai penyiaran. yaitu untuk operan `lhs` dan `rhs`, jika `operand.quantization_axis` >= 0 dan `output.quantization_axis` >= 0, `operand.dims` - `operand.quantization_axis` harus sama dengan `output.dims ` - `output.kuantisasi_sumbu`.

Kelas Bersarang

kelas

UniformQuantizedAdd.Options

Atribut opsional untuk UniformQuantizedAdd

Metode Publik

Keluaran <T>	sebagai Keluaran () Mengembalikan pegangan simbolik tensor.
statis <T> SeragamKuantisasiTambahkan <T>	buat ( Lingkup lingkup , Operand <T> lhs, Operand <T> rhs, Operand <Float> lhsScales, Operand <Integer> lhsZeroPoints, Operand <Float> rhsScales, Operand <Integer> rhsZeroPoints, Operand <Float> outputScales, Operand <Integer > outputZeroPoints, Long lhsQuantizationMinVal, Long lhsQuantizationMaxVal, Long rhsQuantizationMinVal, Long rhsQuantizationMaxVal, Long outputQuantizationMinVal, Long outputQuantizationMaxVal, Opsi... pilihan) Metode pabrik untuk membuat kelas yang membungkus operasi UniformQuantizedAdd baru.
UniformQuantizedAdd.Options statis	lhsQuantizationAxis (Panjang lhsQuantizationAxis)
Keluaran <T>	keluaran () Tensor terkuantisasi keluaran.
UniformQuantizedAdd.Options statis	Sumbu Kuantisasi keluaran (Sumbu Kuantisasi keluaran panjang)
UniformQuantizedAdd.Options statis	rhsQuantizationAxis (Sumbu Kuantisasi rhs Panjang)

Metode Warisan

Dari kelas org.tensorflow.op.PrimitiveOp

boolean terakhir	sama dengan (Objek objek)
int terakhir	Kode hash ()
Operasi	op () Mengembalikan Operation yang mendasarinya
String terakhir	keString ()

Dari kelas java.lang.Object

boolean	sama dengan (Objek arg0)
Kelas terakhir<?>	dapatkan Kelas ()
ke dalam	Kode hash ()
kekosongan terakhir	beri tahu ()
kekosongan terakhir	beri tahuSemua ()
Rangkaian	keString ()
kekosongan terakhir	tunggu (arg0 panjang, int arg1)
kekosongan terakhir	tunggu (argumen panjang0)
kekosongan terakhir	Tunggu ()

Dari antarmuka org.tensorflow.Operand

keluaran abstrak <T>

sebagai Keluaran () Mengembalikan pegangan simbolik tensor.

Metode Publik

Keluaran publik <T> sebagai Keluaran ()

Mengembalikan pegangan simbolik tensor.

Masukan ke operasi TensorFlow adalah keluaran dari operasi TensorFlow lainnya. Metode ini digunakan untuk mendapatkan pegangan simbolis yang mewakili perhitungan input.

public static UniformQuantizedAdd <T> buat ( Lingkup lingkup , Operand <T> lhs, Operand <T> rhs, Operand <Float> lhsScales, Operand <Integer> lhsZeroPoints, Operand <Float> rhsScales, Operand <Integer> rhsZeroPoints, Operand <Float > outputScales, Operand <Integer> outputZeroPoints, Long lhsQuantizationMinVal, Long lhsQuantizationMaxVal, Long rhsQuantizationMinVal, Long rhsQuantizationMaxVal, Long outputQuantizationMinVal, Long outputQuantizationMaxVal, Opsi... pilihan)

Metode pabrik untuk membuat kelas yang membungkus operasi UniformQuantizedAdd baru.

Parameter

cakupan	ruang lingkup saat ini
lhs	Harus berupa tensor terkuantisasi.
rhs	Harus berupa tensor terkuantisasi.
lhsTimbangan	Nilai float yang digunakan sebagai faktor skala saat mengkuantisasi data asli yang diwakili oleh `lhs`.
lhsZeroPoints	Nilai int32 digunakan sebagai titik nol saat mengkuantisasi data asli yang diwakili oleh `lhs`. Harus memiliki bentuk yang sama dengan `lhs_scales`.
rhsScales	Nilai float yang digunakan sebagai faktor skala saat mengkuantisasi data asli yang diwakili oleh `rhs`.
rhsZeroPoints	Nilai int32 digunakan sebagai titik nol saat mengkuantisasi data asli yang diwakili oleh `rhs`. Harus memiliki bentuk yang sama dengan `rhs_scales`.
keluaranTimbangan	Nilai float yang digunakan sebagai faktor skala saat mengkuantisasi data asli yang diwakili oleh `output`.
keluaranZeroPoints	Nilai int32 digunakan sebagai titik nol saat mengkuantisasi data asli yang diwakili oleh keluaran. Harus memiliki bentuk yang sama dengan `output_scales`.
lhsQuantizationMinVal	Nilai minimum data terkuantisasi yang disimpan di `lhs`. Misalnya, jika `Tin` adalah `qint8`, maka ini harus disetel ke -127 jika rentangnya sempit atau -128 jika tidak.
lhsQuantizationMaxVal	Nilai maksimal data terkuantisasi yang disimpan di `lhs`. Misalnya, jika `Tin` adalah `qint8`, maka ini harus disetel ke 127.
rhsQuantizationMinVal	Nilai minimum data terkuantisasi yang disimpan dalam `rhs`. Misalnya, jika `Tin` adalah `qint8`, maka ini harus disetel ke -127 jika rentangnya sempit atau -128 jika tidak.
rhsQuantizationMaxVal	Nilai maksimal data terkuantisasi yang disimpan di `rhs`. Misalnya, jika `Tin` adalah `qint8`, maka ini harus disetel ke 127.
outputQuantizationMinVal	Nilai minimum data terkuantisasi yang disimpan di `output`. Misalnya, jika `Tout` adalah `qint8`, ini harus disetel ke -127 jika rentang sempit dikuantisasi atau -128 jika tidak.
keluaranQuantizationMaxVal	Nilai maksimal data terkuantisasi yang disimpan di `output`. Misalnya, jika `Tout` adalah `qint8`, ini harus disetel ke 127.
pilihan	membawa nilai atribut opsional

Kembali

• contoh baru dari UniformQuantizedAdd

UniformQuantizedAdd.Options lhsQuantizationAxis statis publik (Panjang lhsQuantizationAxis)

Parameter

lhsQuantizationAxis	Menunjukkan indeks dimensi tensor tempat kuantisasi per sumbu diterapkan untuk irisan sepanjang dimensi tersebut. Jika disetel ke -1 (default), ini menunjukkan kuantisasi per tensor. Untuk `lhs`, hanya kuantisasi per tensor yang didukung. Jadi, ini harus disetel ke -1. Nilai lain akan menimbulkan kesalahan pada konstruksi OpKernel.

Keluaran publik <T> keluaran ()

Tensor terkuantisasi keluaran.

UniformQuantizedAdd.Options outputQuantizationAxis statis publik (OutputQuantizationAxis panjang)

Parameter

outputQuantizationAxis

Menunjukkan indeks dimensi tensor tempat kuantisasi per sumbu diterapkan untuk irisan sepanjang dimensi tersebut. Jika disetel ke -1 (default), ini menunjukkan kuantisasi per tensor. Untuk `output`, hanya kuantisasi per tensor atau kuantisasi per saluran sepanjang `output_feature_dimension` yang didukung. Oleh karena itu, ini harus disetel ke -1 atau `dimension_numbers.output_feature_dimension`. Nilai lain akan menimbulkan kesalahan pada konstruksi OpKernel.

UniformQuantizedAdd.Options rhsQuantizationAxis statis publik (Panjang rhsQuantizationAxis)

Parameter

rhsQuantizationAxis

Menunjukkan indeks dimensi tensor tempat kuantisasi per sumbu diterapkan untuk irisan sepanjang dimensi tersebut. Jika disetel ke -1 (default), ini menunjukkan kuantisasi per tensor. Untuk `rhs`, hanya kuantisasi per tensor atau kuantisasi per saluran sepanjang `kernel_output_feature_dimension` yang didukung. Oleh karena itu, ini harus disetel ke -1 atau `dimension_numbers.kernel_output_feature_dimension`. Nilai lain akan menimbulkan kesalahan pada konstruksi OpKernel.