tf.raw_ops.UniformQuantizedAdd

Выполнить квантованное сложение квантованного тензора lhs и квантованного тензора rhs, чтобы получить квантованный output.

tf.raw_ops.UniformQuantizedAdd(
    lhs,
    rhs,
    lhs_scales,
    lhs_zero_points,
    rhs_scales,
    rhs_zero_points,
    output_scales,
    output_zero_points,
    lhs_quantization_min_val,
    lhs_quantization_max_val,
    rhs_quantization_min_val,
    rhs_quantization_max_val,
    output_quantization_min_val,
    output_quantization_max_val,
    lhs_quantization_axis=-1,
    rhs_quantization_axis=-1,
    output_quantization_axis=-1,
    name=None
)

Учитывая квантованный lhs и квантованный rhs, выполняет квантованное сложение lhs и rhs, чтобы получить квантованный output.

UniformQuantizedAdd следует правилам трансляции Numpy. Формы двух входных массивов сравниваются поэлементно. Начиная с последних измерений, два измерения должны быть равны или одно из них должно быть равно 1.

lhs и rhs должны быть квантованными тензорами, где значения данных квантуются по формуле:

quantized_data = clip(original_data / scale + zero_point, quantization_min_val, quantization_max_val)

output также квантуется, используя ту же формулу.

Если lhs и output оба квантуются по осям, ось квантования должна совпадать. Также, если rhs и output оба квантуются по осям, ось квантования должна совпадать. Совпадение означает, что ось должна совпадать при сложении, учитывая трансляцию. Т.е. для обоих операндов lhs и rhs, если operand.quantization_axis >= 0 и output.quantization_axis >= 0, operand.dims - operand.quantization_axis должно быть равно output.dims - output.quantization_axis.