tf.quantization.fake_quant_with_min_max_vars

Псевдоквантование тензора 'inputs' типа float с помощью глобальных скалярных значений float

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

Псевдоквантование тензора inputs типа float с помощью глобальных скалярных значений float min и max в тензор outputs той же формы, что и inputs.

Атрибуты

• [min; max] задают диапазон ограничения для данных inputs.
• Значения inputs квантуются в диапазоне квантования ( [0; 2^num_bits - 1], если narrow_range имеет значение false, и [1; 2^num_bits - 1], если оно имеет значение true), затем деквантуются и выводятся как значения float в интервале [min; max].
• num_bits — это разрядность квантования; от 2 до 16 включительно.

Перед квантованием значения min и max корректируются согласно следующей логике. Рекомендуется использовать min <= 0 <= max. Если 0 не входит в диапазон 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.

Эта операция имеет градиент, поэтому позволяет обучать значения min и max.