MovingAverageMinMaxObserver

class torch.ao.quantization.observer.MovingAverageMinMaxObserver(averaging_constant=0.01, dtype=torch.quint8, qscheme=torch.per_tensor_affine, reduce_range=False, quant_min=None, quant_max=None, eps=1.1920928955078125e-07, is_dynamic=False, **kwargs)

用於根據最小值和最大值的移動平均計算量化引數的觀察器模組。

此觀察器根據傳入張量的最小值和最大值的移動平均計算量化引數。該模組記錄傳入張量的平均最小值和最大值，並使用這些統計資料來計算量化引數。

引數

• averaging_constant – 最小值/最大值的平均常數。

• dtype – 實現參考模型規範所需的 quantize 節點的 dtype 引數。

• qscheme – 要使用的量化方案

• reduce_range – 將量化資料型別的範圍減小 1 位

• quant_min – 最小量化值。如果未指定，將遵循 8 位設定。

• quant_max – 最大量化值。如果未指定，將遵循 8 位設定。

• eps (Tensor) – float32 的 epsilon 值，預設為 torch.finfo(torch.float32).eps。

移動平均最小值/最大值的計算方式如下：

$$\begin{array}{ll} x_\text{min} = \begin{cases} \min(X) & \text{if~}x_\text{min} = \text{None} \\ (1 - c) x_\text{min} + c \min(X) & \text{otherwise} \end{cases}\\ x_\text{max} = \begin{cases} \max(X) & \text{if~}x_\text{max} = \text{None} \\ (1 - c) x_\text{max} + c \max(X) & \text{otherwise} \end{cases}\\ \end{array}$$

其中 $x_\text{min/max}$ 是執行中的平均最小值/最大值，$X$ 是傳入張量，$c$ 是 averaging_constant。

然後按照 MinMaxObserver 中的方式計算尺度和零點。

注意

僅適用於 torch.per_tensor_affine 量化方案。

注意

如果執行中的最小值等於執行中的最大值，則尺度和零點將設定為 1.0 和 0。