tensor akışı:: işlem:: Dekuantizasyon
#include <array_ops.h>
'Giriş' tensörünü kayan bir Tensor'a dönüştürün .
Özet
[min_aralık, maksimum_aralık], 'giriş' verilerinin aralığını belirten skaler değişkenlerdir. 'Mode' özelliği, kayan değer değerlerini nicelenmiş eşdeğerlerine dönüştürmek için tam olarak hangi hesaplamaların kullanıldığını kontrol eder.
'MIN_COMBINED' modunda tensörün her değeri aşağıdaki işlemlerden geçecektir:
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()
range(T) = numeric_limits ::max() - numeric_limits ::min()
range(T) = numeric_limits ::max() - numeric_limits ::min()
MIN_COMBINED Mod Örneği
Giriş bir QuantizedRelu6'dan geliyorsa, çıkış türü quint8'dir (0-255 aralığı) ancak QuantizedRelu6'nın olası aralığı 0-6'dır. Min_range ve max_range değerleri bu nedenle 0,0 ve 6,0'dır. Quint8'deki dequantize her değeri alır, float'a çevirir ve 6/255 ile çarpar. Eğer quantizedtype qint8 ise, işlemin dökümden önce ek olarak her değeri 128 ile ekleyeceğini unutmayın.
Mod 'MIN_FIRST' ise bu yaklaşım kullanılır:
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)
ÖLÇEKLİ mod Örnek
SCALED
modu QuantizeAndDequantize{V2|V3}
'de kullanılan niceleme yaklaşımıyla eşleşir.
Mod SCALED
ise, simetri için mümkün olan en düşük değeri atlamayı seçerek çıkış tipinin tüm aralığını kullanmayız (örneğin, işaretli 8 bit niceleme için çıkış aralığı -128 ila 127 değil, -127 ila 127'dir), böylece 0,0, 0 ile eşleşir.
Öncelikle tensörümüzdeki değer aralığını buluyoruz. Kullandığımız aralık her zaman 0 merkezli olduğundan m'yi öyle buluruz ki
m = max(abs(input_min), abs(input_max))
Bu durumda giriş tensör aralığımız [-m, m]
olur.
Daha sonra, sabit nokta niceleme gruplarımızı [min_fixed, max_fixed]
seçiyoruz. T imzalıysa, bu
num_bits = sizeof(T) * 8 [min_fixed, max_fixed] = [-(1 << (num_bits - 1) - 1), (1 << (num_bits - 1)) - 1]
Aksi takdirde, eğer T işaretsizse, sabit nokta aralığı
[min_fixed, max_fixed] = [0, (1 << num_bits) - 1]
Buradan ölçeklendirme faktörümüzü (s) hesaplıyoruz:
s = (2 * m) / (max_fixed - min_fixed)
Artık tensörümüzün elemanlarını dekuantize edebiliriz:
result = input * s
Argümanlar:
- kapsam: Bir Kapsam nesnesi
- min_range: Giriş için üretilebilecek minimum skaler değer.
- max_range: Giriş için üretilebilecek maksimum skaler değer.
İade:
-
Output
: Çıkış tensörü.
Yapıcılar ve Yıkıcılar | |
---|---|
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) |
Genel özellikler | |
---|---|
operation | |
output |
Kamu işlevleri | |
---|---|
node () const | ::tensorflow::Node * |
operator::tensorflow::Input () const | |
operator::tensorflow::Output () const |
Genel statik işlevler | |
---|---|
Mode (StringPiece x) |
Yapılar | |
---|---|
tensorflow:: ops:: Dequantize:: Öznitelikler | Dequantize için isteğe bağlı öznitelik ayarlayıcılar. |
Genel özellikler
operasyon
Operation operation
çıktı
::tensorflow::Output output
Kamu işlevleri
Dekuantizasyon
Dequantize( const ::tensorflow::Scope & scope, ::tensorflow::Input input, ::tensorflow::Input min_range, ::tensorflow::Input max_range )
Dekuantizasyon
Dequantize( const ::tensorflow::Scope & scope, ::tensorflow::Input input, ::tensorflow::Input min_range, ::tensorflow::Input max_range, const Dequantize::Attrs & attrs )
düğüm
::tensorflow::Node * node() const
operatör::tensorflow::Giriş
operator::tensorflow::Input() const
operatör::tensorflow::Çıktı
operator::tensorflow::Output() const
Genel statik işlevler
Mod
Attrs Mode( StringPiece x )