পাবলিক চূড়ান্ত ক্লাস UniformRequantize
কোয়ান্টাইজড টেনসর `ইনপুট` দেওয়া হয়েছে, নতুন কোয়ান্টাইজেশন প্যারামিটারের সাথে এটিকে পুনরায় পরিমাণ করুন।
প্রদত্ত কোয়ান্টাইজড টেনসর `ইনপুট`, যেটি {input_scales, input_zero_points, input_quantization_axis, input_quantization_min_val, input_quantization_max_val} ব্যবহার করে পরিমাপ করা হয়েছিল, এটিকে একটি টেনসরে পুনঃপ্রমাণ করুন, যেটি {output_ax, quant_scales, output_scales, quant_points output_scales ব্যবহার করে পরিমাপ করা হয় _min_val, output_quantization_max_val}। সূত্র ব্যবহার করে পুনঃপরিমাণ করা হয়: output_quantized_data = clip( (input_quantized_data - input_zero_point) * (input_scale / output_scale) + output_zero_point, output_quantization_min_val, output_quantization_max_val)
প্রতি-টেনসর এবং প্রতি-অক্ষ পরিমাপ সমর্থিত কেসগুলি নিম্নরূপ:
- per-tensor -> per-tensor
- প্রতি-টেনসর -> প্রতি-অক্ষ
- প্রতি-অক্ষ -> প্রতি-অক্ষ যেখানে input_quantization_axis সমান output_quantization_axis। অর্থাৎ ইনপুট_কোয়ান্টাইজেশন_অক্ষ এবং আউটপুট_কোয়ান্টাইজেশন_অক্ষের মধ্যে কমপক্ষে একটি অবশ্যই -1 হতে হবে, বা দুটি অবশ্যই সমান হতে হবে।
নেস্টেড ক্লাস
| ক্লাস | UniformRequantize.Options | UniformRequantize এর জন্য ঐচ্ছিক বৈশিষ্ট্য | |
পাবলিক পদ্ধতি
| আউটপুট <U> | আউটপুট হিসাবে () একটি টেনসরের প্রতীকী হ্যান্ডেল প্রদান করে। |
| স্ট্যাটিক <U, T> UniformRequantize <U> | তৈরি করুন ( স্কোপ স্কোপ, Operand <T> ইনপুট, Operand <Float> inputScales, Operand <Integer> inputZeroPoints, Operand <Float> outputScales, Operand <Integer> outputZeroPoints, Class<U> Tout, লং ইনপুট QuantizationMinValization, LongQuantization, ইনপুট ম্যাগাজিন, লং ইনপুট লং আউটপুট কোয়ান্টাইজেশন ম্যাক্সভ্যাল, বিকল্প... বিকল্প) একটি নতুন UniformRequantize অপারেশন মোড়ানো একটি ক্লাস তৈরি করার কারখানার পদ্ধতি। |
| স্ট্যাটিক UniformRequantize.Options | inputQuantizationAxis (লং ইনপুট QuantizationAxis) |
| আউটপুট <U> | আউটপুট () টাউটের আউটপুট কোয়ান্টাইজড টেনসর, যার আকৃতি ইনপুটের মতো। |
| স্ট্যাটিক UniformRequantize.Options | আউটপুট কোয়ান্টাইজেশন অ্যাক্সিস (লং আউটপুট কোয়ান্টাইজেশন অ্যাক্সিস) |
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 ইউনিফর্ম রেকুয়েন্টাইজ <U> তৈরি করুন ( স্কোপ স্কোপ, অপারেন্ড <T> ইনপুট, অপারেন্ড <ফ্লোট> ইনপুটস্কেল, অপারেন্ড <পূর্ণসংখ্যা> ইনপুটজেরোপয়েন্টস, অপারেন্ড <ফ্লোট> আউটপুটস্কেল, অপারেন্ড < ইন্টেজার> আউটপুট জিরোপয়েন্টস, ক্লাস<U> টাউট, লংপুট ইনপুট লং ইনপুট কোয়ান্টাইজেশন ম্যাক্সভ্যাল, লং আউটপুট কোয়ান্টাইজেশন মিনভাল, লং আউটপুট কোয়ান্টাইজেশন ম্যাক্সভ্যাল, অপশন... বিকল্প)
একটি নতুন UniformRequantize অপারেশন মোড়ানো একটি ক্লাস তৈরি করার কারখানার পদ্ধতি।
পরামিতি
| সুযোগ | বর্তমান সুযোগ |
|---|---|
| ইনপুট | টিনের টেনসর হতে হবে। |
| ইনপুটস্কেল | ফ্লোট মান(গুলি) স্কেল(গুলি) হিসাবে ব্যবহৃত মূল ডেটার পরিমাপ করার সময় যা `ইনপুট` প্রতিনিধিত্ব করে। quantization_axis -1 (per-tensor quantization), অন্যথায় 1D Tensor of size (input.dim_size(quantization_axis),) (per-axis quantization) হলে অবশ্যই একটি স্কেলার টেনসর হতে হবে। |
| ইনপুট জিরোপয়েন্টস | int32 মান(গুলি) zero_point(গুলি) হিসাবে ব্যবহৃত মূল ডেটার পরিমাপ করার সময় যা `ইনপুট` উপস্থাপন করে। দাঁড়িপাল্লা হিসাবে একই আকৃতি অবস্থা. |
| আউটপুট স্কেলস | ফ্লোট মান(গুলি) নতুন স্কেল(গুলি) হিসাবে ব্যবহার করার জন্য আসল ডেটা পরিমাপ করতে যা `ইনপুট` উপস্থাপন করে। quantization_axis -1 (per-tensor quantization), অন্যথায় 1D Tensor of size (input.dim_size(quantization_axis),) (per-axis quantization) হলে অবশ্যই একটি স্কেলার টেনসর হতে হবে। |
| আউটপুট জিরোপয়েন্টস | int32 মান(গুলি) নতুন zero_point(গুলি) হিসাবে ব্যবহার করার জন্য মূল ডেটার পরিমাপ করতে যা `ইনপুট` উপস্থাপন করে। দাঁড়িপাল্লা হিসাবে একই আকৃতি অবস্থা. |
| টাউট | আউটপুট টেনসরের ধরন। থেকে একটি tf.DT টাইপ: tf.qint8, tf.qint32 |
| inputQuantizationMinVal | কোয়ান্টাইজেশন ন্যূনতম মান যা আসল ডেটার পরিমাপ করার সময় ব্যবহৃত হয়েছিল যা `ইনপুট` উপস্থাপন করে। এই অ্যাট্রিবিউটের উদ্দেশ্য হল সাধারণত সংকীর্ণ পরিসর নির্দেশ করা (তবে সীমাবদ্ধ নয়), যেখানে এটি সেট করা হয়: `(টিন সর্বনিম্ন) + 1` যদি সংকীর্ণ পরিসর হয়, এবং অন্যথায় `(টিন সর্বনিম্ন)`। উদাহরণস্বরূপ, টিন যদি qint8 হয়, তাহলে এটি -127 তে সেট করা হয় যদি সংকীর্ণ পরিসীমা পরিমাপ করা হয় বা না হলে -128। |
| inputQuantizationMaxVal | পরিমাপকরণের সর্বাধিক মান যা আসল ডেটার পরিমাপ করার সময় ব্যবহৃত হয়েছিল যা `ইনপুট` উপস্থাপন করে। এই অ্যাট্রিবিউটের উদ্দেশ্য সাধারণত সংকীর্ণ পরিসর নির্দেশ করে (কিন্তু এতে সীমাবদ্ধ নয়), যেখানে এটি সেট করা আছে: `(টাউট সর্বোচ্চ)` সংকীর্ণ পরিসরের জন্য এবং সংকীর্ণ পরিসর নয়। উদাহরণস্বরূপ, যদি টিন qint8 হয়, এটি 127 এ সেট করা হয়েছে। |
| আউটপুট QuantizationMinVal | মূল ডেটার পরিমাপ করার জন্য নতুন কোয়ান্টাইজেশন মিন মান যা `ইনপুট` উপস্থাপন করে। |
| outputQuantizationMaxVal | আসল ডেটার পরিমাপ করার জন্য নতুন পরিমাপকরণের সর্বোচ্চ মান যা `ইনপুট` উপস্থাপন করে। |
| বিকল্প | ঐচ্ছিক বৈশিষ্ট্য মান বহন করে |
রিটার্নস
- UniformRequantize এর একটি নতুন উদাহরণ
পাবলিক স্ট্যাটিক ইউনিফর্ম রিকুয়েন্টাইজ। অপশন ইনপুট কোয়ান্টাইজেশনঅ্যাক্সিস (লং ইনপুট কোয়ান্টাইজেশনঅ্যাক্সিস)
পরামিতি
| ইনপুট QuantizationAxis | কোয়ান্টাইজেশন অক্ষ যা মূল ডেটার পরিমাপ করার সময় ব্যবহৃত হয়েছিল যা `ইনপুট` উপস্থাপন করে। 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। অন্যথায়, এটি অবশ্যই পরিসীমা [0, input.dims()) এর মধ্যে সেট করতে হবে। |
|---|
পাবলিক স্ট্যাটিক ইউনিফর্ম রিকুয়েন্টাইজ। অপশন আউটপুট কোয়ান্টাইজেশনঅ্যাক্সিস (লং আউটপুট কোয়ান্টাইজেশনঅ্যাক্সিস)
পরামিতি
| আউটপুট QuantizationAxis | নতুন পরিমাপকরণ অক্ষ যেটি আসল ডেটার পরিমাপ করতে ব্যবহার করবে যা `ইনপুট` উপস্থাপন করে। |
|---|