tf.quantization.fake_quant_with_min_max_args

Имитирует квантование тензора 'inputs', тип float, в тензор 'outputs' той же формы и типа.

tf.quantization.fake_quant_with_min_max_args(
    inputs: Annotated[Any, _atypes.Float32],
    min: float = -6,
    max: float = 6,
    num_bits: int = 8,
    narrow_range: bool = False,
    name=None
) -> Annotated[Any, _atypes.Float32]

Квантование называется имитационным, так как выходной тензор все еще с плавающей точкой. API преобразует входные значения в диапазон [min и max] и возвращает результат.

Атрибуты

• [min; max] определяют диапазон ограничения для inputs данных.
• inputs значения квантуются в диапазон квантования ([0; 2^num_bits - 1], когда narrow_range равно false и [1; 2^num_bits - 1], когда оно равно true), а затем деквантуются и выводятся в виде чисел с плавающей точкой в диапазоне [min; max].
• num_bits — это разрядность квантования; от 2 до 16 включительно.

Перед квантованием min и max значения корректируются с использованием следующей логики. Рекомендуется установить min <= 0 <= max. Если 0 не находится в допустимом диапазоне значений, поведение может быть непредсказуемым:

• Если 0 < min < max: min_adj = 0 и max_adj = max - min.
• Если min < max < 0: min_adj = min - max и max_adj = 0.
• Если min <= 0 <= max: scale = (max - min) / (2^num_bits - 1), min_adj = scale * round(min / scale) и max_adj = max + min_adj - min.

Примеры

inp = tf.constant ([10.03, -10.23, 3])
out = tf.quantization.fake_quant_with_min_max_args(inp, min=-5, max=5,
                                                   num_bits=16)
print(out)

#  Output:
#  tf.Tensor([ 4.9999237 -5.0000763  3.0000763], shape=(3,), dtype=float32)