সেন্সরফ্লো :: অপস :: Dequantize
#include <array_ops.h>'ইনপুট' সেন্সরটিকে একটি ফ্লোট টেনসর হিসাবে চিহ্নিত করুন ।
সারসংক্ষেপ
[মিনি_রেঞ্জ, ম্যাক্স অ্যারেঞ্জ] স্কেলার ফ্লোট যা 'ইনপুট' ডেটার জন্য সীমা নির্দিষ্ট করে। 'মোড' অ্যাট্রিবিউট নিয়ন্ত্রণ করে ঠিক কোন গণনাগুলি ভাসমান মানকে তাদের কোয়ান্টাইজড সমতলে রূপান্তর করতে ব্যবহৃত হয়।
'MIN_COMBINED' মোডে, টেনসারের প্রতিটি মান নীচে থেকে যাবে:
if T == qint8: in[i] += (range(T) + 1)/ 2.0 out[i] = min_range + (in[i]* (max_range - min_range) / range(T))এখানে
range(T) = numeric_limits ::max() - numeric_limits ::min()range(T) = numeric_limits ::max() - numeric_limits ::min()range(T) = numeric_limits ::max() - numeric_limits ::min()MIN_COMBINED মোড উদাহরণ
যদি ইনপুটটি কোনও কোয়ান্টাইজডেলু 6 থেকে আসে তবে আউটপুট টাইপটি কুইন্ট 8 (0-255 এর পরিসীমা) তবে কোয়ান্টাইটেডেলু 6 এর সম্ভাব্য পরিসীমা 0-6 হয়। মিনি_রেঞ্জ এবং সর্বোচ্চ_আরজ মানগুলি 0.0 এবং 6.0। কুইন্ট ৮- তে ডিকান্টাইজ করা প্রতিটি মান নেওয়া হবে, ভাসমানের জন্য ফেলে দেওয়া এবং 6/255 দ্বারা গুণ করা হবে Note নোট করুন যে কোয়ান্টাইটিস টাইপ কুইন্ট 8 হলে অপারেশনটি কাস্টিংয়ের আগে প্রতিটি মান 128 যোগ করবে।
যদি মোডটি 'MIN_FIRST' হয় তবে এই পদ্ধতির ব্যবহার করা হবে:
num_discrete_values = 1 << (# of bits in T) range_adjust = num_discrete_values / (num_discrete_values - 1) range = (range_max - range_min) * range_adjust range_scale = range / num_discrete_values const double offset_input = static_cast(input) - lowest_quantized; result = range_min + ((input - numeric_limits ::min()) * range_scale)
স্কেলড মোড উদাহরণ
SCALED মোড QuantizeAndDequantize{V2|V3} ব্যবহৃত কোয়ান্টাইজেশন পদ্ধতির সাথে মেলে QuantizeAndDequantize{V2|V3}
মোডটি যদি SCALED , তবে আমরা SCALED সম্পূর্ণ পরিসীমা ব্যবহার করি না, SCALED জন্য সর্বনিম্ন সম্ভাব্য মানটি এলিডে বেছে নেওয়া (উদাহরণস্বরূপ, স্বাক্ষরিত 8 বিট কোয়ান্টাইজেশনের জন্য -128 থেকে 127 নয়), 128 থেকে 127 হয় না, যাতে ০.০ তে মানচিত্র।
আমরা প্রথমে আমাদের সেন্সরে মানগুলির ব্যাপ্তি খুঁজে পাই। আমরা যে ব্যাপ্তিটি ব্যবহার করি তা সর্বদা 0 তে কেন্দ্রিক হয়, সুতরাং আমরা
m = max(abs(input_min), abs(input_max))এর মতো এম পাই
আমাদের ইনপুট টেনসর পরিসীমাটি তখন [-m, m] ।
এরপরে, আমরা আমাদের ফিক্সড-পয়েন্ট কোয়ান্টাইজেশন বালতি, [min_fixed, max_fixed] । যদি টি স্বাক্ষরিত হয় তবে এটি
num_bits = sizeof(T) * 8
[min_fixed, max_fixed] =
[-(1 << (num_bits - 1) - 1), (1 << (num_bits - 1)) - 1]
অন্যথায়, যদি টি স্বাক্ষরযুক্ত না হয় তবে স্থির-পয়েন্টের পরিসীমা
[min_fixed, max_fixed] = [0, (1 << num_bits) - 1]is
এটি থেকে আমরা আমাদের স্কেলিং ফ্যাক্টর, গুলি:
s = (2 * m) / (max_fixed - min_fixed)গণনা করি
এখন আমরা আমাদের টেনসরের উপাদানগুলি ডিকান্টাইজ করতে পারি:
result = input * s
যুক্তি:
- সুযোগ: একটি স্কোপ অবজেক্ট
- মিনি_রেঞ্জ: ইনপুটটির জন্য সম্ভবত উত্পাদিত সর্বনিম্ন স্কেলারের মান r
- সর্বাধিক_আরঞ্জ: সর্বাধিক স্কেলারের মান সম্ভবত ইনপুটটির জন্য উত্পাদিত হয়।
রিটার্নস:
-
Output: আউটপুট টেনসর।
নির্মাণকারী এবং ধ্বংসকারী | |
|---|---|
Dequantize (const :: tensorflow::Scope & scope, :: tensorflow::Input input, :: tensorflow::Input min_range, :: tensorflow::Input max_range) | |
Dequantize (const :: tensorflow::Scope & scope, :: tensorflow::Input input, :: tensorflow::Input min_range, :: tensorflow::Input max_range, const Dequantize::Attrs & attrs) |
জনসাধারণের গুণাবলী | |
|---|---|
operation | |
output | |
পাবলিক ফাংশন | |
|---|---|
node () const | ::tensorflow::Node * |
operator::tensorflow::Input () const | |
operator::tensorflow::Output () const | |
পাবলিক স্ট্যাটিক ফাংশন | |
|---|---|
Mode (StringPiece x) | |
স্ট্রাক্টস | |
|---|---|
| টেনসরফ্লো :: অপস :: ডিঙ্কান্টাইজ :: অ্যাটার্স | Dequantize জন্য alচ্ছিক বৈশিষ্ট্য সেটটার । |
জনসাধারণের গুণাবলী
অপারেশন
Operation operation
আউটপুট
::tensorflow::Output output
পাবলিক ফাংশন
Dequantize
Dequantize( const ::tensorflow::Scope & scope, ::tensorflow::Input input, ::tensorflow::Input min_range, ::tensorflow::Input max_range )
Dequantize
0 বি 22cad590নোড
::tensorflow::Node * node() const
অপারেটর :: টেনসরফ্লো :: ইনপুট
operator::tensorflow::Input() const
অপারেটর :: টেনসরফ্লো :: আউটপুট
operator::tensorflow::Output() const
পাবলিক স্ট্যাটিক ফাংশন
মোড
Attrs Mode( StringPiece x )