線性

class torch.ao.nn.quantized.Linear(in_features, out_features, bias_=True, dtype=torch.qint8)

一個量化線性模組，輸入和輸出均為量化張量。我們採用與 torch.nn.Linear 相同的介面，請參閱 https://pytorch.com.tw/docs/stable/nn.html#torch.nn.Linear 獲取文件。

類似於 Linear，屬性將在模組建立時隨機初始化，並在之後被覆蓋。

變數

• weight (Tensor) – 模組的不可學習量化權重，形狀為 $(\text{out\_features}, \text{in\_features})$。

• bias (Tensor) – 模組的不可學習偏置，形狀為 $(\text{out\_features})$。如果 bias 為 True，則值初始化為零。

• scale – 輸出量化張量的 scale 引數，型別：double

• zero_point – 輸出量化張量的 zero_point 引數，型別：long

示例

>>> m = nn.quantized.Linear(20, 30)
>>> input = torch.randn(128, 20)
>>> input = torch.quantize_per_tensor(input, 1.0, 0, torch.quint8)
>>> output = m(input)
>>> print(output.size())
torch.Size([128, 30])

classmethod from_float(mod, use_precomputed_fake_quant=False)

從觀察到的浮點模組建立量化模組

引數

• mod (Module) – 浮點模組，由 torch.ao.quantization 工具生成或由使用者提供

• use_precomputed_fake_quant (bool) – 如果為 True，模組將重用預計算假量化模組的 min/max 值。

classmethod from_reference(ref_qlinear, output_scale, output_zero_point)

從參考量化模組建立（fbgemm/qnnpack）量化模組

引數

• ref_qlinear (Module) – 參考量化線性模組，由 torch.ao.quantization 工具生成或由使用者提供

• output_scale (float) – 輸出張量的 scale

• output_zero_point (int) – 輸出張量的 zero point