QKeras/Python中的round-through函数是什么？

我正在学习“量化位”类的QKeras实现。在调用函数中，我遇到了一个“\u round\u through”函数

下面是调用函数的方式：

if unsigned_bits > 0:
      p = x * m / m_i
      xq = m_i * tf.keras.backend.clip(
          _round_through(p, self.use_stochastic_rounding, precision=1.0),
          self.keep_negative  * (-m + self.symmetric), m - 1) / m

我尝试用Python运行代码，但它显然不是内置函数。 我尝试搜索函数，但只得到了Python中“round（）”函数的结果

所以我的问题是：这个函数做什么？它是什么模块的一部分

链接到代码：

---

任何帮助都将不胜感激

如果单击GitHub中的函数，它将告诉您该函数的来源。在这种情况下

def_round_至（x，使用随机_舍入=假，精度=0.5）：
“”“舍入x，但使用直通式估计器。
我们使用[谢尔盖·伊夫]的伎俩(http://stackoverflow.com/a/36480182).
直通估计是四舍五入的有偏估计
Hinton的Coursera第9c课定义的操作，其中dL/dx是生成的
等于梯度计算期间y=f（x）的dL/dy，其中f（x）为
不可导函数。在这种情况下，我们假设df/dx=1 In：
dL-dL-df-dL
-- = -- -- = --
dx-df-dx-dy
(https://www.youtube.com/watch?v=LN0xtUuJsEI&list=PLoRl3Ht4JOcdU872GhiYWf6jwrk_SNhz9&index=41)
论据：
x：使用直通梯度执行圆运算的张量。
使用随机舍入：如果为真，则执行随机舍入。
精度：默认情况下，我们将使用0.5作为精度，但这可以覆盖
由用户提供。
返回：
圆形张量。
"""
如果使用随机四舍五入：
输出=tf_utils.smart_cond(
K.学习阶段（），
lambda:x+tf.stop_梯度（-x+随机_轮（x，精度）），
lambda:x+tf.stop_梯度（-x+tf.round（x）））
其他：
输出=x+tf.停止梯度（-x+tf.圆形（x））
返回输出

如果单击GitHub中的函数，它将告诉您该函数的来源。在本例中

def_round_至（x，使用随机_舍入=假，精度=0.5）：
“”“舍入x，但使用直通式估计器。
我们使用[谢尔盖·伊夫]的伎俩(http://stackoverflow.com/a/36480182).
直通估计是四舍五入的有偏估计
Hinton的Coursera第9c课定义的操作，其中dL/dx是生成的
等于梯度计算期间y=f（x）的dL/dy，其中f（x）为
一个不可导函数。在这种情况下，我们假设df/dx=1 In：
dL-dL-df-dL
-- = -- -- = --
dx-df-dx-dy
(https://www.youtube.com/watch?v=LN0xtUuJsEI&list=PLoRl3Ht4JOcdU872GhiYWf6jwrk_SNhz9&index=41)
论据：
x：使用直通梯度执行圆运算的张量。
使用随机舍入：如果为真，则执行随机舍入。
精度：默认情况下，我们将使用0.5作为精度，但这可以覆盖
由用户提供。
返回：
圆形张量。
"""
如果使用随机四舍五入：
输出=tf_utils.smart_cond(
K.学习阶段（），
lambda:x+tf.stop_梯度（-x+随机_轮（x，精度）），
lambda:x+tf.stop_梯度（-x+tf.round（x）））
其他：
输出=x+tf.停止梯度（-x+tf.圆形（x））
返回输出

请避免使用截图，而是直接将代码粘贴到问题中请避免使用截图，而是直接将代码粘贴到问题中