This TensorFlow指南提供了關於神經網絡權重和激活的8位表示的一些見解。它通過將float32中的最小值映射到int8中的0和最大值到255來映射float32中的min-max到8bit格式的範圍。這意味着加法標識（0）映射到非零值，甚至乘法標識1）可以映射爲int8表示中除1以外的值。我的問題是， 失去這些身份後，如何在新的表示中執行算術？在加/減的情況下，我們可以在適當的縮放和偏
我正在試驗Tensorflow 1.1中神經網絡的量化。 根據documentation，tanh操作支持浮點輸入以及類型爲qint32的定點輸入。但是，我不能得到這個工作： import tensorflow as tf
sess = tf.InteractiveSession()
x = tf.constant([1.,2.,3.], dtype=tf.float32)
from
我使用下面的代碼來使用索貝爾掩模來掩蓋圖像。 for i=1:size(C,1)-2
for j=1:size(C,2)-2
%Sobel mask for x-direction:
Gx=((2*C(i+2,j+1)+C(i+2,j)+C(i+2,j+2))-(2*C(i,j+1)+C(i,j)+C(i,j+2)));
%Sobel mask for