UniformQuantizedClipByValue

kelas akhir publik UniformQuantizedClipByValue

Lakukan klip berdasarkan nilai pada `operan` Tensor terkuantisasi.

Mengingat `operan` terkuantisasi yang dikuantisasi menggunakan `skala` dan `zero_points`, melakukan klip berdasarkan nilai menggunakan nilai `min` dan `maks`. Jika quantization_axis adalah -1 (per-tensor terkuantisasi), seluruh operan dipotong menggunakan skalar min, maks. Jika tidak (per-channel terkuantisasi), clipping juga dilakukan per-channel.

Kelas Bersarang

kelas

UniformQuantizedClipByValue.Options

Atribut opsional untuk UniformQuantizedClipByValue

Metode Publik

Keluaran <T>	sebagai Keluaran () Mengembalikan pegangan simbolis tensor.
statis <T> UniformQuantizedClipByValue <T>	buat ( Lingkup lingkup, Operand <T> operand, Operand <T> min, Operand <T> max, Operand <Float> scales, Operand <Integer> zeroPoints, Long quantizationMinVal, Long quantizationMaxVal, Options... options) Metode pabrik untuk membuat kelas yang membungkus operasi UniformQuantizedClipByValue baru.
Keluaran <T>	keluaran () Keluaran terpotong Tensor T, yang bentuknya sama dengan operan.
UniformQuantizedClipByValue.Options statis	QuantizationAxis (Sumbu kuantisasi panjang)

Metode yang Diwarisi

Dari kelas org.tensorflow.op.PrimitiveOp

boolean akhir	sama (objek objek)
akhir	kode hash ()
Operasi	op () Mengembalikan Operation yang mendasarinya
string terakhir	toString ()

Dari kelas java.lang.Object

boolean	sama dengan (Objek arg0)
Kelas terakhir<?>	dapatkanKelas ()
ke dalam	kode hash ()
kekosongan akhir	beri tahu ()
kekosongan akhir	beri tahu Semua ()
Rangkaian	toString ()
kekosongan akhir	tunggu (arg panjang0, int arg1)
kekosongan akhir	tunggu (arg panjang0)
kekosongan akhir	tunggu ()

Dari antarmuka org.tensorflow.Operand

Keluaran abstrak <T>

sebagai Keluaran () Mengembalikan pegangan simbolis tensor.

Metode Publik

Output publik <T> sebagai Output ()

Mengembalikan pegangan simbolis tensor.

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

Buat UniformQuantizedClipByValue <T> statis publik ( Scope scope, Operand <T> operand, Operand <T> min, Operand <T> max, Operand <Float> scales, Operand <Integer> zeroPoints, Long quantizationMinVal, Long quantizationMaxVal, Options.. .pilihan )

Metode pabrik untuk membuat kelas yang membungkus operasi UniformQuantizedClipByValue baru.

Parameter

cakupan	lingkup saat ini
operan	Harus Tensor dari T.
min	Nilai min untuk klip operan. Harus Tensor dari T. Harus Tensor skalar jika quantization_axis adalah -1 (kuantisasi per-tensor), jika tidak Tensor ukuran 1D (operand.dim_size(quantization_axis),) (kuantisasi per-sumbu).
maksimal	Nilai min untuk klip operan. Harus Tensor dari T. Harus Tensor skalar jika quantization_axis adalah -1 (kuantisasi per-tensor), jika tidak Tensor ukuran 1D (operand.dim_size(quantization_axis),) (kuantisasi per-sumbu).
timbangan	Nilai float yang digunakan sebagai skala saat mengkuantisasi `operan`, `min`, dan `maks`. Harus berupa Tensor skalar jika quantization_axis adalah -1 (kuantisasi per-tensor), jika tidak, Tensor ukuran 1D (operand.dim_size(quantization_axis),) (kuantisasi per-sumbu).
titik nol	Nilai int32 digunakan sebagai titik_nol saat mengkuantisasi `operan`, `min`, dan `maks`. Kondisi bentuknya sama dengan sisik.
kuantisasiMinVal	Nilai min kuantisasi yang digunakan saat operan dikuantisasi.
kuantisasiMaxVal	Nilai maks kuantisasi yang digunakan saat operan dikuantisasi.
pilihan	membawa nilai atribut opsional

Kembali

• contoh baru UniformQuantizedClipByValue

Keluaran publik <T> keluaran ()

Keluaran terpotong Tensor T, yang bentuknya sama dengan operan.

UniformQuantizedClipByValue.Options quantizationAxis statis publik (Sumbu kuantisasi panjang)

Parameter

kuantisasiAxis	Menunjukkan indeks dimensi tensor tempat kuantisasi per sumbu diterapkan untuk irisan sepanjang dimensi tersebut. Jika diatur ke -1 (default), ini menunjukkan kuantisasi per-tensor. Jika tidak, itu harus diatur dalam rentang [0, operand.dims()).