tensorflow:: عملیات:: QuantizeAndDequantizeV2:: جذابیتها
#include <array_ops.h>تنظیمکنندههای ویژگی اختیاری برای QuantizeAndDequantizeV2 .
خلاصه
ویژگیهای 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 |
کارکردهای عمومی | |
|---|---|
Axis (int64 x) | TF_MUST_USE_RESULT Attrs در صورت مشخص شدن، این محور به عنوان محور کانال یا برش در نظر گرفته میشود و برای هر کانال یا برش در امتداد این محور، یک محدوده کوانتیزاسیون جداگانه استفاده میشود. |
NarrowRange (bool x) | TF_MUST_USE_RESULT Attrs اگر درست باشد، آنگاه قدر مطلق حداقل مقدار کوانتیزه شده برابر با حداکثر مقدار کوانتیزه شده است، نه ۱ واحد بیشتر. |
NumBits (int64 x) | TF_MUST_USE_RESULT Attrs پهنای بیت کوانتیزاسیون. |
RangeGiven (bool x) | TF_MUST_USE_RESULT Attrs اینکه آیا برد داده شده است یا باید از تانسور input تعیین شود. |
RoundMode (StringPiece x) | TF_MUST_USE_RESULT Attrs ویژگی 'round_mode' کنترل میکند که هنگام گرد کردن مقادیر اعشاری به معادلهای کوانتیزه شده آنها، از کدام الگوریتم گرد کردن برای شکستن تساوی استفاده شود. |
SignedInput (bool x) | TF_MUST_USE_RESULT Attrs اینکه آیا کوانتیزاسیون علامتدار است یا بدون علامت. |
ویژگیهای عمومی
محور_
int64 tensorflow::ops::QuantizeAndDequantizeV2::Attrs::axis_ = -1
محدوده_باریک
bool tensorflow::ops::QuantizeAndDequantizeV2::Attrs::narrow_range_ = false
تعداد بیتها
int64 tensorflow::ops::QuantizeAndDequantizeV2::Attrs::num_bits_ = 8
محدوده_داده_شده
bool tensorflow::ops::QuantizeAndDequantizeV2::Attrs::range_given_ = false
حالت_گرد
StringPiece tensorflow::ops::QuantizeAndDequantizeV2::Attrs::round_mode_ = "HALF_TO_EVEN"
ورودی_امضا_شده
bool tensorflow::ops::QuantizeAndDequantizeV2::Attrs::signed_input_ = true
کارکردهای عمومی
محور
TF_MUST_USE_RESULT Attrs tensorflow::ops::QuantizeAndDequantizeV2::Attrs::Axis( int64 x )
در صورت مشخص شدن، این محور به عنوان محور کانال یا برش در نظر گرفته میشود و برای هر کانال یا برش در امتداد این محور، یک محدوده کوانتیزاسیون جداگانه استفاده میشود.
پیشفرض -1
محدوده باریک
TF_MUST_USE_RESULT Attrs tensorflow::ops::QuantizeAndDequantizeV2::Attrs::NarrowRange( bool x )
اگر درست باشد، آنگاه قدر مطلق حداقل مقدار کوانتیزه شده برابر با حداکثر مقدار کوانتیزه شده است، نه ۱ واحد بیشتر.
یعنی برای کوانتیزاسیون ۸ بیتی، حداقل مقدار به جای -۱۲۸، -۱۲۷ است.
پیشفرض روی نادرست
نامبیتس
TF_MUST_USE_RESULT Attrs tensorflow::ops::QuantizeAndDequantizeV2::Attrs::NumBits( int64 x )
پهنای بیت کوانتیزاسیون.
پیشفرض روی ۸
محدوده داده شده
TF_MUST_USE_RESULT Attrs tensorflow::ops::QuantizeAndDequantizeV2::Attrs::RangeGiven( bool x )
اینکه آیا برد داده شده است یا باید از تانسور input تعیین شود.
پیشفرض روی نادرست
حالت گرد
TF_MUST_USE_RESULT Attrs tensorflow::ops::QuantizeAndDequantizeV2::Attrs::RoundMode( StringPiece x )
ویژگی 'round_mode' کنترل میکند که هنگام گرد کردن مقادیر اعشاری به معادلهای کوانتیزه شده آنها، از کدام الگوریتم گرد کردن برای شکستن تساوی استفاده شود.
حالتهای گرد کردن زیر در حال حاضر پشتیبانی میشوند:
- HALF_TO_EVEN: این حالت پیشفرض round_mode است.
- HALF_UP: گرد کردن به سمت مثبت. در این حالت ۷.۵ به ۸ و -۷.۵ به -۷ گرد میشود.
مقدار پیشفرض «HALF_TO_EVEN» است.
ورودی امضا شده
TF_MUST_USE_RESULT Attrs tensorflow::ops::QuantizeAndDequantizeV2::Attrs::SignedInput( bool x )
اینکه آیا کوانتیزاسیون علامتدار است یا بدون علامت.
(در واقع این پارامتر باید signed_output نامیده میشد)
پیشفرض روی درست
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 2026-11-05 بهوقت ساعت هماهنگ جهانی.