tensorflow::ops::Dequantize

#include <array_ops.h>

แปลง เทนเซอร์ 'อินพุต' ให้เป็น เทนเซอร์ แบบ float

สรุป

[min_range, max_range] เป็นค่าทศนิยมแบบสเกลาร์ที่ระบุช่วงสำหรับข้อมูล 'อินพุต' คุณสมบัติ 'mode' จะควบคุมการคำนวณที่ใช้ในการแปลงค่าทศนิยมเป็นค่าควอนไทซ์อย่างแม่นยำ

ในโหมด 'MIN_COMBINED' ค่าแต่ละค่าของเทนเซอร์จะได้รับการประมวลผลดังต่อไปนี้: 

if T == qint8: in[i] += (range(T) + 1)/ 2.0
out[i] = min_range + (in[i]* (max_range - min_range) / range(T))
 range(T) = numeric_limits ::max() - numeric_limits ::min()

ตัวอย่างโหมด MIN_COMBINED

ถ้าอินพุตมาจาก QuantizedRelu6 ประเภทของเอาต์พุตจะเป็น quint8 (ช่วง 0-255) แต่ช่วงที่เป็นไปได้ของ QuantizedRelu6 คือ 0-6 ดังนั้นค่า min_range และ max_range จึงเป็น 0.0 และ 6.0 ตามลำดับ การแปลงค่า แบบ dequantize บน quint8 จะนำแต่ละค่ามาแปลงเป็น float แล้วคูณด้วย 6 / 255 โปรดทราบว่าถ้า quantizedtype เป็น qint8 การดำเนินการจะเพิ่มค่าแต่ละค่าด้วย 128 ก่อนที่จะแปลงประเภทด้วย

หากตั้งค่าโหมดเป็น 'MIN_FIRST' จะใช้วิธีการดังนี้: 

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)

ตัวอย่างโหมดปรับขนาด

โหมด SCALED ตรงกับวิธีการควอนไทเซชันที่ใช้ใน QuantizeAndDequantize{V2|V3}

หากโหมดเป็น SCALED เราจะไม่ใช้ช่วงทั้งหมดของประเภทเอาต์พุต โดยเลือกที่จะละเว้นค่าต่ำสุดที่เป็นไปได้เพื่อความสมมาตร (เช่น ช่วงเอาต์พุตคือ -127 ถึง 127 ไม่ใช่ -128 ถึง 127 สำหรับการควอนไทเซชันแบบ 8 บิตที่มีเครื่องหมาย) ดังนั้น 0.0 จึงถูกแปลงเป็น 0

ขั้นแรก เราหาช่วงของค่าในเทนเซอร์ของเรา ช่วงที่เราใช้จะอยู่กึ่งกลางที่ 0 เสมอ ดังนั้นเราจึงหาค่า m ที่ทำให้

  m = max(abs(input_min), abs(input_max))

ช่วงของเทนเซอร์อินพุตของเราคือ [-m, m]

ถัดไป เราเลือกบัคเก็ตการควอนไทเซชันแบบจุดคงที่ [min_fixed, max_fixed] ถ้า T เป็นจำนวนเต็มบวกหรือลบ ค่านี้จะเป็นดังนี้

  num_bits = sizeof(T) * 8
  [min_fixed, max_fixed] =
      [-(1 << (num_bits - 1) - 1), (1 << (num_bits - 1)) - 1]

มิฉะนั้น ถ้า T เป็นจำนวนเต็มบวกที่ไม่มีเครื่องหมาย ช่วงของจุดคงที่คือ

  [min_fixed, max_fixed] = [0, (1 << num_bits) - 1]

จากนั้นเราจะคำนวณค่าตัวประกอบการปรับขนาด s ได้ดังนี้:

  s = (2 * m) / (max_fixed - min_fixed)

ตอนนี้เราสามารถแปลงค่าควอนตัมขององค์ประกอบในเทนเซอร์ของเราได้แล้ว:

result = input * s

ข้อโต้แย้ง:

  • ขอบเขต: วัตถุ ขอบเขต
  • min_range: ค่าสเกลาร์ต่ำสุดที่เป็นไปได้สำหรับข้อมูลที่ป้อนเข้ามา
  • max_range: ค่าสเกลาร์สูงสุดที่เป็นไปได้สำหรับข้อมูลที่ป้อนเข้ามา

การส่งคืนสินค้า:

  • Output : เทนเซอร์เอาต์พุต

ตัวสร้างและตัวทำลาย

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)

คุณลักษณะสาธารณะ

operation
output

หน้าที่สาธารณะ

node () const
::tensorflow::Node *
operator::tensorflow::Input () const
operator::tensorflow::Output () const

ฟังก์ชันคงที่สาธารณะ

Mode (StringPiece x)

โครงสร้าง

tensorflow::ops::Dequantize::Attrs

ตัวเลือกการตั้งค่าแอตทริบิวต์สำหรับ Dequantize

คุณลักษณะสาธารณะ

การดำเนินการ 

Operation operation

เอาต์พุต 

::tensorflow::Output output

หน้าที่สาธารณะ

ลดปริมาณ 

 Dequantize(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input,
  ::tensorflow::Input min_range,
  ::tensorflow::Input max_range
)

ลดปริมาณ 

 Dequantize(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input,
  ::tensorflow::Input min_range,
  ::tensorflow::Input max_range,
  const Dequantize::Attrs & attrs
)

โหนด 

::tensorflow::Node * node() const

ตัวดำเนินการ::เทนเซอร์โฟลว์::อินพุต 

 operator::tensorflow::Input() const

ตัวดำเนินการ::เทนเซอร์โฟลว์::เอาต์พุต 

 operator::tensorflow::Output() const

ฟังก์ชันคงที่สาธารณะ

โหมด 

Attrs Mode(
  StringPiece x
)