TensorFlow函數(shù)教程：tf.nn.quantized_conv2d

tf.nn.quantized_conv2d函數(shù)

tf.nn.quantized_conv2d(
    input,
    filter,
    min_input,
    max_input,
    min_filter,
    max_filter,
    strides,
    padding,
    out_type=tf.qint32,
    dilations=[1, 1, 1, 1],
    name=None
)

請參閱指南：神經網絡>候選采樣

在給定量化4D輸入和濾波器張量的情況下計算2D卷積.

輸入是量化張量,其中最低值表示相關最小值的實數(shù),最高值表示最大值.這意味著您只能通過考慮返回的最小值和最大值來以相同的方式解釋量化輸出.

參數(shù)：

• input：一個Tensor,必須是下列類型之一：qint8,quint8,qint32,qint16,quint16.
• filter：一個Tensor,必須是下列類型之一：qint8,quint8,qint32,qint16,quint16.filter的input_depth維度必須與輸入的深度維度匹配.
• min_input：一個Tensor,類型為float32.最小量化輸入值表示的浮點值.
• max_input：一個Tensor,類型為float32.最大量化輸入值表示的浮點值.
• min_filter：一個Tensor,類型為float32.最小量化過濾器值表示的浮點值.
• max_filter：一個Tensor,類型為float32.最大量化過濾器值表示的浮點值.
• strides：ints列表.輸入張量的每個維度的滑動窗口的步幅.
• padding：string,可以是："SAME", "VALID".要使用的填充算法的類型.
• out_type：可選的tf.DType,可以是：tf.qint8, tf.quint8, tf.qint32, tf.qint16, tf.quint16.默認為tf.qint32.
• dilations：可選ints的列表.默認為[1, 1, 1, 1].長度為4的1-D張量.input每個維度的膨脹系數(shù).如果設置為k> 1,則該維度上的每個濾鏡元素之間將有k-1個跳過的單元格.維度順序由值data_format確定.批次和深度尺寸的擴張必須為1.
• name：操作的名稱(可選).

返回：

Tensor對象的元組(output,min_output,max_output).

• output：一個Tensor,類型為out_type.
• min_output：一個Tensor,類型為float32.
• max_output：一個Tensor,類型為float32.