UniformQuantizedConvolution

UniformQuantizedConvolution kelas akhir publik

Melakukan konvolusi terkuantisasi dari Tensor `lhs` terkuantisasi dan Tensor `rhs` terkuantisasi. untuk membuat `output` terkuantisasi.

Dengan `lhs` dan `rhs` yang terkuantisasi, lakukan titik terkuantisasi pada `lhs` dan `rhs` untuk membuat `output` terkuantisasi.

`lhs` dan `rhs` harus berupa Tensor dengan peringkat yang sama, dan memenuhi kondisi bentuk berikut. - `lhs_feature` % `feature_group_count` == 0 - `lhs_feature` % `rhs_input_feature` == 0 - `lhs_feature` / `feature_group_count` == `rhs_input_feature` - `rhs_output_feature` % `feature_group_count` == 0 - `lhs_ kumpulan` % `batch_group_count` == 0 - `rhs_output_feature` % `batch_group_count` == 0

`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 `rhs` dikuantisasi per-tensor, `output` juga harus dikuantisasi per-tensor.

Kelas Bersarang

kelas

UniformQuantizedConvolution.Options

Atribut opsional untuk UniformQuantizedConvolution

Metode Publik

Keluaran <U>	sebagai Keluaran () Mengembalikan pegangan simbolik tensor.
UniformQuantizedConvolution.Options statis	batchGroupCount (BatchGroupCount panjang)
statis <U, T> UniformQuantizedConvolution <U>	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, Class<U> Tout, String padding, Long lhsQuantizationMinVal, Long lhsQuantizationMaxVal, Long rhsQuantizationMinVal, Long rhsQuantizationMaxVal, Long outputQuantizationMinVal, Long outputQuantizationMaxVal, Opsi... opsi) Metode pabrik untuk membuat kelas yang membungkus operasi UniformQuantizedConvolution baru.
UniformQuantizedConvolution.Options statis	DimensionNumbers (String DimensionNumbers)
UniformQuantizedConvolution.Options statis	eksplisitPadding (Daftar<Panjang> eksplisitPadding)
UniformQuantizedConvolution.Options statis	featureGroupCount (FiturGroupCount panjang)
UniformQuantizedConvolution.Options statis	lhsDilation (Daftar<Panjang> lhsDilation)
UniformQuantizedConvolution.Options statis	lhsQuantizationAxis (Panjang lhsQuantizationAxis)
Keluaran <U>	keluaran () Tensor terkuantisasi keluaran `Tout`, peringkatnya sama dengan `lhs` dan `rhs`.
UniformQuantizedConvolution.Options statis	Sumbu Kuantisasi keluaran (Sumbu Kuantisasi keluaran panjang)
UniformQuantizedConvolution.Options statis	rhsDilation (Daftar<Panjang> rhsDilation)
UniformQuantizedConvolution.Options statis	rhsQuantizationAxis (Sumbu Kuantisasi rhs Panjang)
UniformQuantizedConvolution.Options statis	windowStrides (Daftar<Panjang> windowStrides)

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	memberitahu ()
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 <U>

sebagai Keluaran () Mengembalikan pegangan simbolik tensor.

Metode Publik

Keluaran publik <U> 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.

UniformQuantizedConvolution.Options batchGroupCount statis publik (BatchGroupCount panjang)

Parameter

batchGroupCount	Jumlah kelompok batch. Digunakan untuk filter yang dikelompokkan. Harus berupa pembagi `fitur_output`.

public static UniformQuantizedConvolution <U> buat ( Lingkup cakupan, Operand <T> lhs, Operand <T> rhs, Operand <Float> lhsScales, Operand <Integer> lhsZeroPoints, Operand <Float> rhsScales, Operand <Integer> rhsZeroPoints, Operand <Float > outputScales, Operand <Integer> outputZeroPoints, Kelas<U> Tout, String padding, Long lhsQuantizationMinVal, Long lhsQuantizationMaxVal, Long rhsQuantizationMinVal, Long rhsQuantizationMaxVal, Long outputQuantizationMinVal, Long outputQuantizationMaxVal, Opsi... pilihan)

Metode pabrik untuk membuat kelas yang membungkus operasi UniformQuantizedConvolution baru.

Parameter

cakupan	ruang lingkup saat ini
lhs	Harus berupa tensor terkuantisasi, peringkat >= 3.
rhs	Harus berupa tensor terkuantisasi, dengan peringkat yang sama dengan `lhs`.
lhsTimbangan	Nilai float yang digunakan sebagai faktor skala saat mengkuantisasi data asli yang diwakili oleh `lhs`. Harus berupa `Tensor` skalar (`lhs` hanya mendukung kuantisasi per-tensor).
lhsZeroPoints	Nilai int32 digunakan sebagai titik nol saat mengkuantisasi data asli yang diwakili oleh `lhs`. Kondisi bentuk yang sama dengan `lhs_scales`.
rhsScales	Nilai float yang digunakan sebagai faktor skala saat mengkuantisasi data asli yang diwakili oleh `rhs`. Harus berupa `Tensor` skalar untuk kuantisasi per-tensor, atau `Tensor` 1D dengan ukuran `rhs.dim_size(kernel_output_feature_dimension)`, untuk kuantisasi per saluran.
rhsZeroPoints	Nilai int32 digunakan sebagai titik nol saat mengkuantisasi data asli yang diwakili oleh `rhs`. Kondisi bentuk yang sama dengan `rhs_scales`.
keluaranTimbangan	Nilai float yang digunakan sebagai faktor skala saat mengkuantisasi data asli yang diwakili oleh `output`. Harus berupa `Tensor` skalar untuk kuantisasi per-tensor, atau `Tensor` 1D dengan ukuran `rhs.dim_size(kernel_output_feature_dimension)` - yang sama dengan `output.dim_size(output_feature_dimension)`, untuk kuantisasi per saluran. Jika `rhs` dikuantisasi per-tensor, output juga harus dikuantisasi per-tensor. Artinya, jika `rhs_scales` dan `rhs_zero_points` merupakan `Tensor` skalar, `output_scales` dan `output_zero_points` juga harus berupa `Tensor` skalar.
keluaranZeroPoints	Nilai int32 digunakan sebagai titik nol saat mengkuantisasi data asli yang diwakili oleh keluaran. Kondisi bentuk yang sama dengan `output_scales`.
Mengintip	Jenis `keluaran` `Tensor`.
lapisan	string dari: `"SAME"`, `"VALID"`, atau `"EXPLICIT"`, yang menunjukkan jenis algoritma padding yang akan digunakan.
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 UniformQuantizedConvolution

UniformQuantizedConvolution.Options DimensionNumbers (String DimensionNumbers)

Parameter

dimensiNomor	Struktur informasi dimensi untuk operasi konvolusi. Harus berupa string kosong (default) atau string serial proto `tensorflow.UniformQuantizedConvolutionDimensionNumbersAttr`. Jika string kosong, defaultnya adalah `("NCHW", "OIHW", "NCHW")` (untuk konvolusi 2D).

UniformQuantizedConvolution.Options eksplisitPadding statis publik (Daftar<Panjang> eksplisitPadding)

Parameter

Padding eksplisit	Jika `padding` adalah `"EXPLICIT"`, harus ditetapkan sebagai daftar yang menunjukkan padding eksplisit di awal dan akhir setiap dimensi spasial `lhs`. Kalau tidak, ini pasti kosong. (Jika digunakan,) Harus berupa daftar ukuran `2 * (jumlah dimensi spasial lhs)`, di mana `(explicit_padding[2 * i], eksplisit_padding[2 * i + 1])` menunjukkan `(start_padding, end_padding) ` dari `dimensi_spasial[i]`.

UniformQuantizedConvolution.Options featureGroupCount statis publik (FiturGroupCount panjang)

Parameter

featureGroupCount	Jumlah grup fitur. Digunakan untuk konvolusi yang dikelompokkan. Harus berupa pembagi `lhs_feature` dan `output_feature`.

UniformQuantizedConvolution.Options lhsDilation statis publik (Daftar<Panjang> lhsDilation)

Parameter

lhsDilasi	Faktor dilatasi yang diterapkan pada setiap dimensi spasial `lhs`. Harus berupa daftar kosong (default) atau daftar ukuran (jumlah dimensi spasial `lhs`). Jika daftar kosong, dilatasi untuk setiap dimensi spasial `lhs` diatur ke 1.

UniformQuantizedConvolution.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 <U> keluaran ()

Tensor terkuantisasi keluaran `Tout`, peringkatnya sama dengan `lhs` dan `rhs`.

UniformQuantizedConvolution.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.

UniformQuantizedConvolution.Options rhsDilation statis publik (Daftar<Panjang> rhsDilation)

Parameter

rhsDilasi	Faktor dilatasi yang diterapkan pada setiap dimensi spasial `rhs`. Harus berupa daftar kosong (default) atau daftar ukuran (jumlah dimensi spasial `rhs`). Jika daftar kosong, dilatasi untuk setiap dimensi spasial `rhs` diatur ke 1.

UniformQuantizedConvolution.Options rhsQuantizationAxis statis publik (RhsQuantizationAxis panjang)

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.

UniformQuantizedConvolution.Options windowStrides statis publik (Daftar<Panjang> windowStrides)

Parameter

jendelaLangkah	Langkah jendela geser untuk setiap dimensi spasial `lhs`. Harus berupa daftar kosong (default) atau daftar ukuran (jumlah dimensi spasial). Jika daftar kosong disediakan, langkah untuk setiap dimensi spasial diatur ke 1.