tf.quantization.fake_quant_with_min_max_vars_per_channel

Псевдоквантование тензора «inputs» типа float с помощью поканальных значений типа float

tf.quantization.fake_quant_with_min_max_vars_per_channel(
    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 поканально с одной из форм: [d], [b, d] [b, h, w, d] с помощью поканальных значений типа float min и max формы [d] 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], когда narrow_range имеет значение false, и [1; 2^num_bits - 1], когда 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 с помощью следующей логики. Рекомендуется использовать min <= 0 <= max. Если 0 не входит в диапазон значений, поведение может быть неожиданным:

• 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.

Для этой операции определен градиент, поэтому она позволяет обучать значения min и max.