UniformQuantizedConvolution

পাবলিক ফাইনাল ক্লাস UniformQuantized Convolution

কোয়ান্টাইজড টেনসর `lhs` এবং কোয়ান্টাইজড টেনসর `rhs` এর কোয়ান্টাইজড কনভল্যুশন সম্পাদন করুন। কোয়ান্টাইজড `আউটপুট` করতে।

কোয়ান্টাইজড `lhs` এবং কোয়ান্টাইজড `rhs` দেওয়া, কোয়ান্টাইজড `আউটপুট` করতে `lhs` এবং `rhs`-এ কোয়ান্টাইজড ডট সম্পাদন করে।

`lhs` এবং `rhs` অবশ্যই একই র্যাঙ্কের Tensors হতে হবে এবং নিম্নলিখিত আকৃতির শর্ত পূরণ করতে হবে। - `lhs_feature` % `feature_group_count` == 0 - `lhs_feature` % `rhs_input_feature` == 0 - `lhs_feature` / `feature_group_count` == `rhs_input_feature` - `rhs_output_feature` %_bat` % _bat` %_count` = _count` % `batch_group_count` == 0 - `rhs_output_feature` % `batch_group_count` == 0

`lhs` এবং `rhs` অবশ্যই পরিমাপযুক্ত টেনসর হতে হবে, যেখানে তথ্যের মান সূত্র ব্যবহার করে পরিমাপ করা হয়:

quantized_data = clip(original_data / scale + zero_point, quantization_min_val, quantization_max_val)
 
`আউটপুট` একই সূত্র ব্যবহার করে পরিমাপ করা হয়। যদি `rhs` প্রতি-টেনসরের পরিমাপ করা হয়, তাহলে `আউটপুট`ও প্রতি-টেনসরের পরিমাপ করা আবশ্যক।

নেস্টেড ক্লাস

ক্লাস UniformQuantizedConvolution.Options UniformQuantizedConvolution এর জন্য ঐচ্ছিক বৈশিষ্ট্য

পাবলিক পদ্ধতি

আউটপুট <U>
আউটপুট হিসাবে ()
একটি টেনসরের প্রতীকী হ্যান্ডেল প্রদান করে।
স্ট্যাটিক UniformQuantizedConvolution.Options
ব্যাচগ্রুপ কাউন্ট (লং ব্যাচগ্রুপ কাউন্ট)
স্ট্যাটিক <U, T> UniformQuantizedConvolution <U>
তৈরি করুন ( স্কোপ স্কোপ, Operand <T> lhs, Operand <T> rhs, Operand <Float> lhsScales, Operand <Integer> lhsZeroPoints, Operand <Float> rhsScales, Operand <Integer> rhsZeroPoints, Operand <call> এবং Operand > আউটপুট জিরোপয়েন্টস, ক্লাস<U> টাউট, স্ট্রিং প্যাডিং, লং lhsQuantizationMinVal, লং lhsQuantizationMinVal, লং rhsQuantizationMinVal, লং rhsQuantizationMaxVal, লং আউটপুট QuantizationMinVal, লং আউটপুট QuantizationMaxVal, বিকল্প... )
একটি নতুন UniformQuantizedConvolution অপারেশন মোড়ানো একটি ক্লাস তৈরি করার কারখানা পদ্ধতি।
স্ট্যাটিক UniformQuantizedConvolution.Options
dimension Numbers (স্ট্রিং dimension Numbers)
স্ট্যাটিক UniformQuantizedConvolution.Options
স্পষ্ট প্যাডিং (লিস্ট<লং> স্পষ্ট প্যাডিং)
স্ট্যাটিক UniformQuantizedConvolution.Options
ফিচারগ্রুপ কাউন্ট (দীর্ঘ ফিচার গ্রুপ কাউন্ট)
স্ট্যাটিক UniformQuantizedConvolution.Options
lhsDilation (লিস্ট<Long> lhsDilation)
স্ট্যাটিক UniformQuantizedConvolution.Options
lhsQuantizationAxis (লং lhsQuantizationAxis)
আউটপুট <U>
আউটপুট ()
`Tout` এর আউটপুট কোয়ান্টাইজড টেনসর, `lhs` এবং `rhs` এর মতো একই র‍্যাঙ্ক।
স্ট্যাটিক UniformQuantizedConvolution.Options
আউটপুট কোয়ান্টাইজেশন অ্যাক্সিস (লং আউটপুট কোয়ান্টাইজেশন অ্যাক্সিস)
স্ট্যাটিক UniformQuantizedConvolution.Options
rhsDilation (List<Long> rhsDilation)
স্ট্যাটিক UniformQuantizedConvolution.Options
rhsQuantizationAxis (দীর্ঘ rhsQuantizationAxis)
স্ট্যাটিক UniformQuantizedConvolution.Options
windowStrides (List<Long> windowStrides)

উত্তরাধিকারসূত্রে প্রাপ্ত পদ্ধতি

পাবলিক পদ্ধতি

সর্বজনীন আউটপুট <U> হিসাবে আউটপুট ()

একটি টেনসরের প্রতীকী হ্যান্ডেল প্রদান করে।

TensorFlow অপারেশনের ইনপুট হল অন্য TensorFlow অপারেশনের আউটপুট। এই পদ্ধতিটি একটি প্রতীকী হ্যান্ডেল পেতে ব্যবহৃত হয় যা ইনপুটের গণনাকে প্রতিনিধিত্ব করে।

পাবলিক স্ট্যাটিক UniformQuantizedConvolution.Options batchGroupCount (লং ব্যাচগ্রুপ কাউন্ট)

পরামিতি
ব্যাচগ্রুপ কাউন্ট ব্যাচ গ্রুপ সংখ্যা. গোষ্ঠীবদ্ধ ফিল্টারগুলির জন্য ব্যবহৃত হয়। অবশ্যই `আউটপুট_ফিচার` এর একটি ভাজক হতে হবে।

পাবলিক স্ট্যাটিক ইউনিফর্ম কোয়ান্টাইজড কনভোলিউশন <U> তৈরি করুন ( স্কোপ স্কোপ, অপারেন্ড <T> lhs, Operand <T> rhs, Operand <float> lhsScales, Operand <Integer> lhsZeroPoints, Operand <Float> rhsScales, Operand <Rhs, Operand > > outputScales, Operand <Integer> outputZeroPoints, Class<U> Tout, স্ট্রিং প্যাডিং, লং lhsQuantizationMinVal, লং lhsQuantizationMaxVal, লং rhsQuantizationMinVal, Long rhsQuantizationMaxVal, লং আউটপুট QuantizationMinVal, লং আউটপুট QuantizationMinVal, লং আউটপুট কোয়ান্টাইজেশন মিনভাল

একটি নতুন UniformQuantizedConvolution অপারেশন মোড়ানো একটি ক্লাস তৈরি করার কারখানা পদ্ধতি।

পরামিতি
সুযোগ বর্তমান সুযোগ
lhs একটি কোয়ান্টাইজড টেনসর হতে হবে, র‍্যাঙ্ক >= 3।
rhs একটি কোয়ান্টাইজড টেনসর হতে হবে, `lhs` এর মতো একই র‍্যাঙ্ক।
lhsScales ফ্লোট মান(গুলি) স্কেল ফ্যাক্টর হিসাবে ব্যবহৃত মূল ডেটার পরিমাপ করার সময় যা `lhs` প্রতিনিধিত্ব করে। একটি স্কেলার হতে হবে `টেনসর` (`lhs` শুধুমাত্র প্রতি-টেনসর কোয়ান্টাইজেশন সমর্থন করে)।
lhsZeroPoints int32 মান(গুলি) শূন্য পয়েন্ট হিসাবে ব্যবহৃত মূল ডেটার পরিমাপ করার সময় যা `lhs` প্রতিনিধিত্ব করে। `lhs_scales` এর মতো একই আকৃতির অবস্থা।
rhsScales ফ্লোট মান(গুলি) স্কেল ফ্যাক্টর হিসাবে ব্যবহৃত মূল ডেটার পরিমাপ করার সময় যা `rhs` উপস্থাপন করে। প্রতি-টেনসর পরিমাপের জন্য একটি স্কেলার `টেনসর` হতে হবে, অথবা প্রতি-চ্যানেল পরিমাপের জন্য `rhs.dim_size(kernel_output_feature_dimension)` আকারের 1D `টেনসর` হতে হবে।
rhsZeroPoints int32 মান(গুলি) শূন্য পয়েন্ট হিসাবে ব্যবহৃত মূল ডেটার পরিমাপ করার সময় যা `rhs` উপস্থাপন করে। `rhs_scales` এর মতো একই আকৃতির অবস্থা।
আউটপুট স্কেলস ফ্লোট মান(গুলি) মূল ডেটার পরিমাপ করার সময় স্কেল ফ্যাক্টর হিসাবে ব্যবহার করা হবে যা `আউটপুট` উপস্থাপন করে। প্রতি-টেনসর পরিমাপের জন্য একটি স্কেলার `টেনসর` হতে হবে, অথবা প্রতি-চ্যানেলের পরিমাণ নির্ধারণের জন্য `rhs.dim_size(kernel_output_feature_dimension)` আকারের 1D `টেনসর` - যা `output.dim_size(output_feature_dimension)` এর সমান। যদি `rhs` প্রতি-টেনসরের পরিমাপ করা হয়, তাহলে আউটপুটও প্রতি-টেনসরের পরিমাপ করা আবশ্যক। এর মানে হল যদি `rhs_scales` এবং `rhs_zero_points` স্কেলার `টেনসর` হয়, `আউটপুট_স্কেল` এবং `আউটপুট_শূন্য_পয়েন্ট` অবশ্যই স্কেলার `টেনসর`-এর হতে হবে।
আউটপুট জিরোপয়েন্টস int32 মান(গুলি) শূন্য পয়েন্ট হিসাবে ব্যবহৃত মূল ডেটার পরিমাপ করার সময় যা আউটপুট প্রতিনিধিত্ব করে। `আউটপুট_স্কেল` হিসাবে একই আকৃতির অবস্থা।
টাউট `আউটপুট` `টেনসর` এর ধরন।
প্যাডিং স্ট্রিং থেকে: `"একই"`, `"VALID"`, বা `"EXPLICIT"`, ব্যবহার করার জন্য প্যাডিং অ্যালগরিদমের ধরন নির্দেশ করে৷
lhsQuantizationMinVal `lhs`-এ সংরক্ষিত কোয়ান্টাইজড ডেটার ন্যূনতম মান। উদাহরণস্বরূপ, যদি `Tin` হয় `qint8`, তাহলে এটিকে অবশ্যই -127 সেট করতে হবে যদি সংকীর্ণ পরিসরের পরিমাপ করা হয় বা না হলে -128।
lhsQuantizationMaxVal `lhs`-এ সংরক্ষিত কোয়ান্টাইজড ডেটার সর্বোচ্চ মান। উদাহরণস্বরূপ, যদি `Tin` হয় `qint8`, এটি অবশ্যই 127-এ সেট করতে হবে।
rhsQuantizationMinVal `rhs`-এ সংরক্ষিত কোয়ান্টাইজড ডেটার ন্যূনতম মান। উদাহরণস্বরূপ, যদি `Tin` হয় `qint8`, তাহলে এটিকে অবশ্যই -127 সেট করতে হবে যদি সংকীর্ণ পরিসরের পরিমাপ করা হয় বা না হলে -128।
rhsQuantizationMaxVal `rhs`-এ সংরক্ষিত কোয়ান্টাইজড ডেটার সর্বোচ্চ মান। উদাহরণস্বরূপ, যদি `Tin` হয় `qint8`, এটি অবশ্যই 127-এ সেট করতে হবে।
আউটপুট QuantizationMinVal `আউটপুট`-এ সংরক্ষিত কোয়ান্টাইজড ডেটার সর্বনিম্ন মান। উদাহরণস্বরূপ, যদি `Tout` হয় `qint8`, তাহলে এটিকে অবশ্যই -127 সেট করতে হবে যদি সংকীর্ণ পরিসরের পরিমাপ করা হয় বা না হলে -128।
outputQuantizationMaxVal `আউটপুট`-এ সংরক্ষিত কোয়ান্টাইজড ডেটার সর্বোচ্চ মান। উদাহরণস্বরূপ, যদি `Tout` `qint8` হয়, তাহলে এটি অবশ্যই 127-এ সেট করতে হবে।
বিকল্প ঐচ্ছিক বৈশিষ্ট্য মান বহন করে
রিটার্নস
  • UniformQuantizedConvolution এর একটি নতুন উদাহরণ

সর্বজনীন স্ট্যাটিক UniformQuantizedConvolution.Options dimension Numbers (স্ট্রিং dimension Numbers)

পরামিতি
মাত্রা সংখ্যা কনভল্যুশন অপের জন্য মাত্রা তথ্যের গঠন। একটি খালি স্ট্রিং (ডিফল্ট) বা `tensorflow.UniformQuantizedConvolutionDimensionNumbersAttr` প্রোটোর একটি ক্রমিক স্ট্রিং হতে হবে। খালি স্ট্রিং হলে, ডিফল্ট হল `("NCHW", "OIHW", "NCHW")` (একটি 2D কনভলিউশনের জন্য)।

সর্বজনীন স্ট্যাটিক UniformQuantizedConvolution.Options explicitPadding (List<Long> explicitPadding)

পরামিতি
স্পষ্ট প্যাডিং যদি `প্যাডিং` `"স্পষ্ট"` হয়, তাহলে অবশ্যই প্রতিটি `lhs` স্থানিক মাত্রার শুরুতে এবং শেষে স্পষ্ট প্যাডিংগুলি নির্দেশ করে এমন একটি তালিকা হিসেবে সেট করতে হবে। অন্যথায়, এই খালি হতে হবে.

(যদি ব্যবহার করা হয়,) অবশ্যই `2 * (lhs স্থানিক মাত্রার সংখ্যা)` এর একটি তালিকা হতে হবে, যেখানে `(স্পষ্ট_প্যাডিং[2 * i], স্পষ্ট_প্যাডিং[2 * i + 1])` নির্দেশ করে `(স্টার্ট_প্যাডিং, শেষ_প্যাডিং) `স্থানিক_মাত্রা[i]` এর।

পাবলিক স্ট্যাটিক UniformQuantizedConvolution.Options featureGroupCount (লং ফিচার গ্রুপ কাউন্ট)

পরামিতি
ফিচারগ্রুপ কাউন্ট বৈশিষ্ট্য গোষ্ঠীর সংখ্যা। গোষ্ঠীবদ্ধ সংকোচনের জন্য ব্যবহৃত হয়। `lhs_feature` এবং `output_feature` উভয়েরই একটি ভাজক হতে হবে।

পাবলিক স্ট্যাটিক UniformQuantizedConvolution.Options lhsDilation (List<Long> lhsDilation)

পরামিতি
lhs বিস্তার `lhs` এর প্রতিটি স্থানিক মাত্রায় প্রয়োগ করার জন্য প্রসারিত ফ্যাক্টর। একটি খালি তালিকা (ডিফল্ট) বা আকারের একটি তালিকা (`lhs` স্থানিক মাত্রার সংখ্যা) হতে হবে। খালি তালিকা হলে, প্রতিটি `lhs` স্থানিক মাত্রার জন্য প্রসারণ 1 এ সেট করা হয়।

পাবলিক স্ট্যাটিক UniformQuantizedConvolution.Options lhsQuantizationAxis (লং lhsQuantizationAxis)

পরামিতি
lhsQuantizationAxis টেনসরের মাত্রা সূচক নির্দেশ করে যেখানে সেই মাত্রা বরাবর স্লাইসের জন্য প্রতি-অক্ষের পরিমাপ প্রয়োগ করা হয়। যদি -1 (ডিফল্ট) তে সেট করা থাকে তবে এটি প্রতি-টেনসর পরিমাপ নির্দেশ করে। `lhs`-এর জন্য, শুধুমাত্র প্রতি-টেনসর পরিমাপ সমর্থিত। সুতরাং, এটি অবশ্যই -1 সেট করা উচিত। অন্যান্য মান OpKernel নির্মাণে ত্রুটি বাড়াবে।

সর্বজনীন আউটপুট <U> আউটপুট ()

`Tout` এর আউটপুট কোয়ান্টাইজড টেনসর, `lhs` এবং `rhs` এর মতো একই র‍্যাঙ্ক।

পাবলিক স্ট্যাটিক UniformQuantizedConvolution.Options outputQuantizationAxis (লং আউটপুট QuantizationAxis)

পরামিতি
আউটপুট QuantizationAxis টেনসরের মাত্রা সূচক নির্দেশ করে যেখানে সেই মাত্রা বরাবর স্লাইসের জন্য প্রতি-অক্ষের পরিমাপ প্রয়োগ করা হয়। যদি -1 (ডিফল্ট) তে সেট করা থাকে তবে এটি প্রতি-টেনসর পরিমাপ নির্দেশ করে। 'আউটপুট'-এর জন্য, শুধুমাত্র 'আউটপুট_ফিচার_ডাইমেনশন' বরাবর প্রতি-টেনসর কোয়ান্টাইজেশন বা প্রতি-চ্যানেল কোয়ান্টাইজেশন সমর্থিত। সুতরাং, এটি অবশ্যই -1 বা `dimension_numbers.output_feature_dimension`-এ সেট করতে হবে। অন্যান্য মান OpKernel নির্মাণে ত্রুটি বাড়াবে।

পাবলিক স্ট্যাটিক UniformQuantizedConvolution.Options rhsDilation (List<Long> rhsDilation)

পরামিতি
rhs বিস্তার প্রসারণ ফ্যাক্টর `rhs` এর প্রতিটি স্থানিক মাত্রায় প্রয়োগ করতে হবে। একটি খালি তালিকা (ডিফল্ট) বা আকারের একটি তালিকা (`rhs' স্থানিক মাত্রার সংখ্যা) হতে হবে। খালি তালিকা হলে, প্রতিটি `rhs` স্থানিক মাত্রার জন্য প্রসারণ 1 এ সেট করা হয়।

পাবলিক স্ট্যাটিক UniformQuantizedConvolution.Options rhsQuantizationAxis (লং rhsQuantizationAxis)

পরামিতি
rhsQuantizationAxis টেনসরের মাত্রা সূচক নির্দেশ করে যেখানে সেই মাত্রা বরাবর স্লাইসের জন্য প্রতি-অক্ষের পরিমাপ প্রয়োগ করা হয়। যদি -1 (ডিফল্ট) তে সেট করা থাকে তবে এটি প্রতি-টেনসর পরিমাপ নির্দেশ করে। 'rhs'-এর জন্য, শুধুমাত্র 'কারনেল_আউটপুট_ফিচার_ডাইমেনশন' বরাবর প্রতি-টেনসর কোয়ান্টাইজেশন বা প্রতি-চ্যানেল কোয়ান্টাইজেশন সমর্থিত। সুতরাং, এটি অবশ্যই -1 বা `dimension_numbers.kernel_output_feature_dimension`-এ সেট করতে হবে। অন্যান্য মান OpKernel নির্মাণে ত্রুটি বাড়াবে।

সর্বজনীন স্ট্যাটিক UniformQuantizedConvolution.Options windowStrides (List<Long> windowStrides)

পরামিতি
উইন্ডোস্ট্রাইড `lhs`-এর প্রতিটি স্থানিক মাত্রার জন্য স্লাইডিং উইন্ডোর অগ্রগতি। একটি খালি তালিকা (ডিফল্ট) বা আকারের একটি তালিকা (স্থানীয় মাত্রার সংখ্যা) হতে হবে। যদি একটি খালি তালিকা প্রদান করা হয়, প্রতিটি স্থানিক মাত্রার জন্য স্ট্রাইড 1 এ সেট করা হয়।