tf.raw_ops.UniformQuantizedAdd

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

Просмотреть псевдонимы

Совместимые псевдонимы для миграции

Подробнее см. в руководстве по миграции.

tf.compat.v1.raw_ops.UniformQuantizedAdd

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
)

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

UniformQuantizedAdd следует правилам широковещательной передачи NumPy. Формы двух входных массивов сравниваются поэлементно. Начиная с последних измерений, размеры должны совпадать либо один из них должен быть равен 1.

lhs и rhs должны быть квантованными тензорами, значения данных в которых квантованы по формуле:

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

output также является квантованным тензором, использующим ту же формулу.

Если lhs и output оба квантованы по отдельным осям, ось квантования должна совпадать. Аналогично, если rhs и output оба квантованы по отдельным осям, ось квантования должна совпадать. Под совпадением подразумевается, что оси должны соответствовать друг другу при сложении с учетом широковещательной передачи. То есть 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.

Аргументы
`lhs`	`Tensor`. Допустимые типы: `qint32`. Должен быть квантованным тензором.
`rhs`	`Tensor`. Должен иметь тот же тип, что и `lhs`. Должен быть квантованным тензором.
`lhs_scales`	`Tensor` типа `float32`. Вещественные значения, используемые в качестве коэффициентов масштаба при квантовании исходных данных, представленных `lhs`.
`lhs_zero_points`	`Tensor` типа `int32`. Значения int32, используемые в качестве нулевых точек при квантовании исходных данных, представленных `lhs`. Должен иметь ту же форму, что и `lhs_scales`.
`rhs_scales`	`Tensor` типа `float32`. Вещественные значения, используемые в качестве коэффициентов масштаба при квантовании исходных данных, представленных `rhs`.
`rhs_zero_points`	`Tensor` типа `int32`. Значения int32, используемые в качестве нулевых точек при квантовании исходных данных, представленных `rhs`. Должен иметь ту же форму, что и `rhs_scales`.
`output_scales`	`Tensor` типа `float32`. Вещественные значения, используемые в качестве коэффициентов масштаба при квантовании исходных данных, представленных `output`.
`output_zero_points`	`Tensor` типа `int32`. Значения int32, используемые в качестве нулевых точек при квантовании исходных данных, представленных выходным тензором. Должен иметь ту же форму, что и `output_scales`.
`lhs_quantization_min_val`	`int`. Минимальное значение квантованных данных, хранящихся в `lhs`. Например, если `Tin` имеет тип `qint8`, здесь должно быть указано -127 для квантования с узким диапазоном или -128 в противном случае.
`lhs_quantization_max_val`	`int`. Максимальное значение квантованных данных, хранящихся в `lhs`. Например, если `Tin` имеет тип `qint8`, здесь должно быть указано 127.
`rhs_quantization_min_val`	`int`. Минимальное значение квантованных данных, хранящихся в `rhs`. Например, если `Tin` имеет тип `qint8`, здесь должно быть указано -127 для квантования с узким диапазоном или -128 в противном случае.
`rhs_quantization_max_val`	`int`. Максимальное значение квантованных данных, хранящихся в `rhs`. Например, если `Tin` имеет тип `qint8`, здесь должно быть указано 127.
`output_quantization_min_val`	`int`. Минимальное значение квантованных данных, хранящихся в `output`. Например, если `Tout` имеет тип `qint8`, здесь должно быть указано -127 для квантования с узким диапазоном или -128 в противном случае.
`output_quantization_max_val`	`int`. Максимальное значение квантованных данных, хранящихся в `output`. Например, если `Tout` имеет тип `qint8`, здесь должно быть указано 127.
`lhs_quantization_axis`	Необязательный `int`. По умолчанию — `-1`. Указывает индекс измерения тензора, вдоль которого применяется поканальное квантование срезов. Значение -1 (по умолчанию) указывает на покомпонентное квантование всего тензора. Для `lhs` поддерживается только покомпонентное квантование всего тензора. Поэтому здесь должно быть указано -1. Другие значения вызовут ошибку при создании OpKernel.
`rhs_quantization_axis`	Необязательный `int`. По умолчанию — `-1`. Указывает индекс измерения тензора, вдоль которого применяется поканальное квантование срезов. Значение -1 (по умолчанию) указывает на покомпонентное квантование всего тензора. Для `rhs` поддерживается только покомпонентное квантование всего тензора или поканальное квантование вдоль `kernel_output_feature_dimension`. Поэтому здесь должно быть указано -1 или `dimension_numbers.kernel_output_feature_dimension`. Другие значения вызовут ошибку при создании OpKernel.
`output_quantization_axis`	Необязательный `int`. По умолчанию — `-1`. Указывает индекс измерения тензора, вдоль которого применяется поканальное квантование срезов. Значение -1 (по умолчанию) указывает на покомпонентное квантование всего тензора. Для `output` поддерживается только покомпонентное квантование всего тензора или поканальное квантование вдоль `output_feature_dimension`. Поэтому здесь должно быть указано -1 или `dimension_numbers.output_feature_dimension`. Другие значения вызовут ошибку при создании OpKernel.
`name`	Имя операции (необязательно).

Возвращаемое значение
`Tensor`. Имеет тот же тип, что и `lhs`.

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/raw_ops/UniformQuantizedAdd