Python tf.quantization.quantize_and_dequantize_v2用法及代碼示例

量化然後去量化一個張量。

用法

tf.quantization.quantize_and_dequantize_v2(
    input, input_min, input_max, signed_input=True, num_bits=8, range_given=False,
    round_mode='HALF_TO_EVEN', name=None, narrow_range=False, axis=None
)

參數

input 用於量化和去量化的Tensor。
input_min 如果range_given=True，最小輸入值，需要在量化表示中表示。如果指定了軸，則這應該是沿軸的每個切片的最小值向量。
input_max 如果range_given=True，則量化表示中需要表示的最大輸入值。如果指定了軸，則這應該是沿軸的每個切片的最大值向量。
signed_input 如果量化有符號或無符號則為真。
num_bits 量化的位寬。
range_given 如果為真，則使用 input_min 和 input_max 作為輸入範圍，否則從輸入 Tensor 確定最小值和最大值。
round_mode 從浮點值舍入到量化值時的舍入模式。 ['HALF_TO_EVEN'，'HALF_UP'] 之一
name 操作的可選名稱。
narrow_range 如果為真，則量化最小值的絕對值與量化最大值相同，而不是大 1。即對於 8 位量化，最小值是 -127 而不是 -128。
axis 整數。如果指定，則指輸入張量的維度，這樣量化將是沿該維度的每個切片。

一個Tensor。每個元素都是對 input 的相應元素進行量化和反量化的結果。

將超出範圍的量化梯度定義更新為 0。要模擬 V1 的行為 tf.quantization.quantize_and_dequantize(...) 使用 tf.grad_pass_through(tf.quantization.quantize_and_dequantize_v2) (...)。

示例用法：

def getQuantizeOp(input):
    input_tensor = tf.placeholder(tf.float32, shape=[4, 4])
    net = tf.quantization.quantize_and_dequantize(input,
                                                  input_min=min_threshold,
                                                  input_max=max_threshold,
                                                  range_given=True)

To simulate v1 behavior:

def testDecomposeQuantizeDequantize(self):
    def f(input_tensor):
      return tf.quantization.quantize_and_dequantize_v2(input_tensor,
                                                        input_min = 5.0,
                                                        input_max= -10.0,
                                                        range_given=True)
    input_tensor = tf.placeholder(tf.float32, shape=[4, 4])
    net = tf.grad_pass_through(f)(input_tensor)

相關用法

注：本文由純淨天空篩選整理自tensorflow.org大神的英文原創作品 tf.quantization.quantize_and_dequantize_v2。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法

參數

返回

示例用法：