جریان تنسور:: عملیات:: QuantizeAndDequantizeV2:: Attrs
#include <array_ops.h>تنظیم کننده های ویژگی اختیاری برای QuantizeAndDequantizeV2 .
خلاصه
صفات عمومی | |
|---|---|
axis_ = -1 | int64 |
narrow_range_ = false | bool |
num_bits_ = 8 | int64 |
range_given_ = false | bool |
round_mode_ = "HALF_TO_EVEN" | StringPiece |
signed_input_ = true | bool |
توابع عمومی | |
|---|---|
Axis (int64 x) | TF_MUST_USE_RESULT Attrs در صورت مشخص شدن، این محور به عنوان یک محور کانال یا برش در نظر گرفته می شود و یک محدوده کوانتیزه جداگانه برای هر کانال یا برش در امتداد این محور استفاده می شود. |
NarrowRange (bool x) | TF_MUST_USE_RESULT Attrs اگر True باشد، قدر مطلق حداقل مقدار کوانتیزه شده به جای 1 بزرگتر، همان مقدار حداکثر کوانتیزه شده است. |
NumBits (int64 x) | TF_MUST_USE_RESULT Attrs پهنای بیت کوانتیزاسیون. |
RangeGiven (bool x) | TF_MUST_USE_RESULT Attrs اینکه آیا محدوده داده شده است یا باید از روی تانسور input تعیین شود. |
RoundMode (StringPiece x) | TF_MUST_USE_RESULT Attrs ویژگی 'round_mode' کنترل می‌کند که کدام الگوریتم گره‌شکنی گرد هنگام گرد کردن مقادیر شناور به معادل‌های کوانتیزه‌شده آن‌ها استفاده می‌شود. |
SignedInput (bool x) | TF_MUST_USE_RESULT Attrs خواه کوانتیزاسیون امضا شده باشد یا بدون علامت. |
صفات عمومی
محور_
int64 tensorflow::ops::QuantizeAndDequantizeV2::Attrs::axis_ = -1
محدوده_ باریک_
bool tensorflow::ops::QuantizeAndDequantizeV2::Attrs::narrow_range_ = false
num_bits_
int64 tensorflow::ops::QuantizeAndDequantizeV2::Attrs::num_bits_ = 8
محدوده_داده_
bool tensorflow::ops::QuantizeAndDequantizeV2::Attrs::range_given_ = false
حالت_گرد_
StringPiece tensorflow::ops::QuantizeAndDequantizeV2::Attrs::round_mode_ = "HALF_TO_EVEN"
signed_input_
bool tensorflow::ops::QuantizeAndDequantizeV2::Attrs::signed_input_ = true
توابع عمومی
محور
TF_MUST_USE_RESULT Attrs tensorflow::ops::QuantizeAndDequantizeV2::Attrs::Axis( int64 x )
در صورت مشخص شدن، این محور به عنوان یک محور کانال یا برش در نظر گرفته می شود و یک محدوده کوانتیزه جداگانه برای هر کانال یا برش در امتداد این محور استفاده می شود.
پیش‌فرض -1 است
محدوده باریک
TF_MUST_USE_RESULT Attrs tensorflow::ops::QuantizeAndDequantizeV2::Attrs::NarrowRange( bool x )
اگر True باشد، قدر مطلق حداقل مقدار کوانتیزه شده به جای 1 بزرگتر، همان مقدار حداکثر کوانتیزه شده است.
یعنی برای کوانتیزاسیون 8 بیتی، حداقل مقدار 127- به جای 128- است.
پیش فرض به نادرست
NumBits
TF_MUST_USE_RESULT Attrs tensorflow::ops::QuantizeAndDequantizeV2::Attrs::NumBits( int64 x )
پهنای بیت کوانتیزاسیون.
پیش‌فرض 8 است
RangeGiven
TF_MUST_USE_RESULT Attrs tensorflow::ops::QuantizeAndDequantizeV2::Attrs::RangeGiven( bool x )
اینکه آیا محدوده داده شده است یا باید از روی تانسور input تعیین شود.
پیش فرض به نادرست
حالت گرد
TF_MUST_USE_RESULT Attrs tensorflow::ops::QuantizeAndDequantizeV2::Attrs::RoundMode( StringPiece x )
ویژگی 'round_mode' کنترل می‌کند که کدام الگوریتم گره‌شکنی گرد هنگام گرد کردن مقادیر شناور به معادل‌های کوانتیزه‌شده آن‌ها استفاده می‌شود.
حالت های گرد کردن زیر در حال حاضر پشتیبانی می شوند:
- HALF_TO_EVEN: این حالت round_mode پیش‌فرض است.
- HALF_UP: به سمت مثبت گرد کنید. در این حالت 7.5 دور تا 8 و -7.5 دور تا -7.
پیش‌فرض «HALF_TO_EVEN»
SignedInput
TF_MUST_USE_RESULT Attrs tensorflow::ops::QuantizeAndDequantizeV2::Attrs::SignedInput( bool x )
خواه کوانتیزاسیون امضا شده باشد یا بدون علامت.
(در واقع این پارامتر باید signed_output نامیده می شد)
پیش فرض ها به درست است
جز در مواردی که غیر از این ذکر شده باشد،محتوای این صفحه تحت مجوز Creative Commons Attribution 4.0 License است. نمونه کدها نیز دارای مجوز Apache 2.0 License است. برای اطلاع از جزئیات، به خطمشیهای سایت Google Developers مراجعه کنید. جاوا علامت تجاری ثبتشده Oracle و/یا شرکتهای وابسته به آن است.
تاریخ آخرین بهروزرسانی 2025-07-26 بهوقت ساعت هماهنگ جهانی.
[null,null,["تاریخ آخرین بهروزرسانی 2025-07-26 بهوقت ساعت هماهنگ جهانی."],[],[],null,["# tensorflow::ops::QuantizeAndDequantizeV2::Attrs Struct Reference\n\ntensorflow::ops::QuantizeAndDequantizeV2::Attrs\n===============================================\n\n`#include \u003carray_ops.h\u003e`\n\nOptional attribute setters for [QuantizeAndDequantizeV2](/versions/r2.2/api_docs/cc/class/tensorflow/ops/quantize-and-dequantize-v2#classtensorflow_1_1ops_1_1_quantize_and_dequantize_v2).\n\nSummary\n-------\n\n| ### Public attributes ||\n|----------------------------------------------------------------------------------------------------------------------------------------|---------------|\n| [axis_](#structtensorflow_1_1ops_1_1_quantize_and_dequantize_v2_1_1_attrs_1a315bdca31eedd36ca93926e243fa1936)` = -1` | `int64` |\n| [narrow_range_](#structtensorflow_1_1ops_1_1_quantize_and_dequantize_v2_1_1_attrs_1adf347e0c1f8214c14d7694ae285cc9d0)` = false` | `bool` |\n| [num_bits_](#structtensorflow_1_1ops_1_1_quantize_and_dequantize_v2_1_1_attrs_1a11159f89f2414130b6a3ad313b27716c)` = 8` | `int64` |\n| [range_given_](#structtensorflow_1_1ops_1_1_quantize_and_dequantize_v2_1_1_attrs_1a865cf4c82b9089b872eb9b918531f2db)` = false` | `bool` |\n| [round_mode_](#structtensorflow_1_1ops_1_1_quantize_and_dequantize_v2_1_1_attrs_1a6dfc7a75f4a69171c6497bb1edfa0d05)` = \"HALF_TO_EVEN\"` | `StringPiece` |\n| [signed_input_](#structtensorflow_1_1ops_1_1_quantize_and_dequantize_v2_1_1_attrs_1a790cd895eec69aba604ac8e9cb7f8a9f)` = true` | `bool` |\n\n| ### Public functions ||\n|------------------------------------------------------------------------------------------------------------------------------------|--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|\n| [Axis](#structtensorflow_1_1ops_1_1_quantize_and_dequantize_v2_1_1_attrs_1a763f00e13bdab9fb43c917bbc70cf634)`(int64 x)` | `TF_MUST_USE_RESULT `[Attrs](/versions/r2.2/api_docs/cc/struct/tensorflow/ops/quantize-and-dequantize-v2/attrs#structtensorflow_1_1ops_1_1_quantize_and_dequantize_v2_1_1_attrs) If specified, this axis is treated as a channel or slice axis, and a separate quantization range is used for each channel or slice along this axis. |\n| [NarrowRange](#structtensorflow_1_1ops_1_1_quantize_and_dequantize_v2_1_1_attrs_1afaceca0792d45c8137aeb043c8cfda94)`(bool x)` | `TF_MUST_USE_RESULT `[Attrs](/versions/r2.2/api_docs/cc/struct/tensorflow/ops/quantize-and-dequantize-v2/attrs#structtensorflow_1_1ops_1_1_quantize_and_dequantize_v2_1_1_attrs) If True, then the absolute value of the quantized minimum value is the same as the quantized maximum value, instead of 1 greater. |\n| [NumBits](#structtensorflow_1_1ops_1_1_quantize_and_dequantize_v2_1_1_attrs_1a76057cdbc84759b92af376d7af6e5542)`(int64 x)` | `TF_MUST_USE_RESULT `[Attrs](/versions/r2.2/api_docs/cc/struct/tensorflow/ops/quantize-and-dequantize-v2/attrs#structtensorflow_1_1ops_1_1_quantize_and_dequantize_v2_1_1_attrs) The bitwidth of the quantization. |\n| [RangeGiven](#structtensorflow_1_1ops_1_1_quantize_and_dequantize_v2_1_1_attrs_1a6fa06a82baf6f5d343626b0ff362f28b)`(bool x)` | `TF_MUST_USE_RESULT `[Attrs](/versions/r2.2/api_docs/cc/struct/tensorflow/ops/quantize-and-dequantize-v2/attrs#structtensorflow_1_1ops_1_1_quantize_and_dequantize_v2_1_1_attrs) Whether the range is given or should be determined from the `input` tensor. |\n| [RoundMode](#structtensorflow_1_1ops_1_1_quantize_and_dequantize_v2_1_1_attrs_1abbc6241855f1eb74e6c30f9bb38a9bea)`(StringPiece x)` | `TF_MUST_USE_RESULT `[Attrs](/versions/r2.2/api_docs/cc/struct/tensorflow/ops/quantize-and-dequantize-v2/attrs#structtensorflow_1_1ops_1_1_quantize_and_dequantize_v2_1_1_attrs) The 'round_mode' attribute controls which rounding tie-breaking algorithm is used when rounding float values to their quantized equivalents. |\n| [SignedInput](#structtensorflow_1_1ops_1_1_quantize_and_dequantize_v2_1_1_attrs_1acc49af3428f348e5f27485c3d72e5598)`(bool x)` | `TF_MUST_USE_RESULT `[Attrs](/versions/r2.2/api_docs/cc/struct/tensorflow/ops/quantize-and-dequantize-v2/attrs#structtensorflow_1_1ops_1_1_quantize_and_dequantize_v2_1_1_attrs) Whether the quantization is signed or unsigned. |\n\nPublic attributes\n-----------------\n\n### axis_\n\n```scdoc\nint64 tensorflow::ops::QuantizeAndDequantizeV2::Attrs::axis_ = -1\n``` \n\n### narrow_range_\n\n```scdoc\nbool tensorflow::ops::QuantizeAndDequantizeV2::Attrs::narrow_range_ = false\n``` \n\n### num_bits_\n\n```scdoc\nint64 tensorflow::ops::QuantizeAndDequantizeV2::Attrs::num_bits_ = 8\n``` \n\n### range_given_\n\n```scdoc\nbool tensorflow::ops::QuantizeAndDequantizeV2::Attrs::range_given_ = false\n``` \n\n### round_mode_\n\n```scdoc\nStringPiece tensorflow::ops::QuantizeAndDequantizeV2::Attrs::round_mode_ = \"HALF_TO_EVEN\"\n``` \n\n### signed_input_\n\n```scdoc\nbool tensorflow::ops::QuantizeAndDequantizeV2::Attrs::signed_input_ = true\n``` \n\nPublic functions\n----------------\n\n### Axis\n\n```scdoc\nTF_MUST_USE_RESULT Attrs tensorflow::ops::QuantizeAndDequantizeV2::Attrs::Axis(\n int64 x\n)\n``` \nIf specified, this axis is treated as a channel or slice axis, and a separate quantization range is used for each channel or slice along this axis.\n\nDefaults to -1 \n\n### NarrowRange\n\n```scdoc\nTF_MUST_USE_RESULT Attrs tensorflow::ops::QuantizeAndDequantizeV2::Attrs::NarrowRange(\n bool x\n)\n``` \nIf True, then the absolute value of the quantized minimum value is the same as the quantized maximum value, instead of 1 greater.\n\ni.e. for 8 bit quantization, the minimum value is -127 instead of -128.\n\nDefaults to false \n\n### NumBits\n\n```scdoc\nTF_MUST_USE_RESULT Attrs tensorflow::ops::QuantizeAndDequantizeV2::Attrs::NumBits(\n int64 x\n)\n``` \nThe bitwidth of the quantization.\n\nDefaults to 8 \n\n### RangeGiven\n\n```scdoc\nTF_MUST_USE_RESULT Attrs tensorflow::ops::QuantizeAndDequantizeV2::Attrs::RangeGiven(\n bool x\n)\n``` \nWhether the range is given or should be determined from the `input` tensor.\n\nDefaults to false \n\n### RoundMode\n\n```scdoc\nTF_MUST_USE_RESULT Attrs tensorflow::ops::QuantizeAndDequantizeV2::Attrs::RoundMode(\n StringPiece x\n)\n``` \nThe 'round_mode' attribute controls which rounding tie-breaking algorithm is used when rounding float values to their quantized equivalents.\n\nThe following rounding modes are currently supported:\n\n\n- HALF_TO_EVEN: this is the default round_mode.\n- HALF_UP: round towards positive. In this mode 7.5 rounds up to 8 and -7.5 rounds up to -7.\n\n\u003cbr /\u003e\n\nDefaults to \"HALF_TO_EVEN\" \n\n### SignedInput\n\n```scdoc\nTF_MUST_USE_RESULT Attrs tensorflow::ops::QuantizeAndDequantizeV2::Attrs::SignedInput(\n bool x\n)\n``` \nWhether the quantization is signed or unsigned.\n\n(actually this parameter should have been called **`signed_output`**)\n\nDefaults to true"]]