tensorflow::ops::Dequantize

#include <array_ops.h>

Деквантизация тензора 'input' в тип float Tensor.

Краткое описание

[min_range, max_range] — скалярные float значения, определяющие диапазон данных 'input'. Атрибут 'mode' управляет конкретными вычислениями для преобразования float-значений в их квантованные аналоги.

В режиме 'MIN_COMBINED' каждое значение тензора претерпевает следующее:

if T == qint8: in[i] += (range(T) + 1)/ 2.0
out[i] = min_range + (in[i]* (max_range - min_range) / range(T))

range(T) = numeric_limits::max() - numeric_limits::min()

Пример режима MIN_COMBINED

Если входной тензор получен из QuantizedRelu6, тип вывода — quint8 (диапазон 0-255), но возможный диапазон значений QuantizedRelu6 — 0-6. Значения min_range и max_range, следовательно, равны 0.0 и 6.0. Деквантизация для типа quint8 приведёт к преобразованию каждого значения в float и умножению на 6 / 255. Обратите внимание, что если quantizedtype — qint8, к каждому значению дополнительно будет добавлено 128 до приведения к типу float.

Если режим 'MIN_FIRST', используется следующий подход:

num_discrete_values = 1 << (# of bits in T)
range_adjust = num_discrete_values / (num_discrete_values - 1)
range = (range_max - range_min) * range_adjust
range_scale = range / num_discrete_values
const double offset_input = static_cast(input) - lowest_quantized;
result = range_min + ((input - numeric_limits::min()) * range_scale)

Пример режима SCALED

SCALED режим соответствует подходу квантования, используемому в QuantizeAndDequantize{V2|V3}.

Если режим SCALED, мы не используем весь диапазон типа вывода, а выбираем исключение минимального возможного значения для симметрии (например, диапазон вывода — от -127 до 127, а не от -128 до 127 для знакового 8-битного квантования), чтобы 0.0 соответствовало 0.

Сначала находим диапазон значений в нашем тензоре. Диапазон всегда центрируется на 0, поэтому находим m, такое что

m = max(abs(input_min), abs(input_max))

Диапазон нашего входного тензора тогда [-m, m].

Затем выбираем наши квантованные баки с фиксированной точкой [min_fixed, max_fixed]. Если T — знаковый, это

num_bits = sizeof(T) * 8
[min_fixed, max_fixed] =
    [-(1 << (num_bits - 1) - 1), (1 << (num_bits - 1)) - 1]

В противном случае, если T — беззнаковый, диапазон фиксированной точки

[min_fixed, max_fixed] = [0, (1 << num_bits) - 1]

Из этого вычисляем наш масштабирующий множитель, s:

s = (2 * m) / (max_fixed - min_fixed)

Теперь мы можем деквантовать элементы нашего тензора:

result = input * s

Аргументы:

• scope: Объект Scope
• min_range: Минимальное скалярное значение, которое может быть получено для ввода.
• max_range: Максимальное скалярное значение, которое может быть получено для ввода.

Возвращает:

• Output: Результирующий тензор.

Публичные атрибуты

Operation operation

::tensorflow::Output output

Публичные функции

 Dequantize(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input,
  ::tensorflow::Input min_range,
  ::tensorflow::Input max_range
)

 Dequantize(
  const ::tensorflow::Scope & scope,
  ::tensorflow::Input input,
  ::tensorflow::Input min_range,
  ::tensorflow::Input max_range,
  const Dequantize::Attrs & attrs
)

::tensorflow::Node * node() const 

operator::tensorflow::Input() const 

operator::tensorflow::Output() const 

Публичные статические функции

Attrs Mode(
  StringPiece x
)