torch.ao.ns._numeric_suite

警告

此模块是早期原型，可能会发生变化。

torch.ao.ns._numeric_suite.compare_weights(float_dict, quantized_dict)

比较浮点模型与其对应的量化模型的权重。返回一个字典，键对应于模块名称，每个条目都是一个包含两个键“float”和“quantized”的字典，分别包含浮点权重和量化权重。此字典可用于比较和计算浮点模型和量化模型权重的量化误差。

示例用法

wt_compare_dict = compare_weights(
    float_model.state_dict(), qmodel.state_dict())
for key in wt_compare_dict:
    print(
        key,
        compute_error(
            wt_compare_dict[key]['float'],
            wt_compare_dict[key]['quantized'].dequantize()
        )
    )

参数

• float_dict (Dict[str, Any]) – 浮点模型的状态字典

• quantized_dict (Dict[str, Any]) – 量化模型的状态字典

返回值

键对应于模块名称的字典，每个条目都是一个包含两个键“float”和“quantized”的字典，分别包含浮点权重和量化权重

返回类型

weight_dict

torch.ao.ns._numeric_suite.get_logger_dict(mod, prefix='')

遍历模块并将所有记录器统计信息保存到目标字典中。这主要用于量化精度调试。

支持的记录器类型

ShadowLogger：用于记录量化模块及其匹配的浮点影子模块的输出，OutputLogger：用于记录模块的输出

参数

• mod (Module) – 我们要保存所有记录器统计信息的模块

• prefix (str) – 当前模块的前缀

返回值

用于保存所有记录器统计信息的字典

返回类型

target_dict

class torch.ao.ns._numeric_suite.Logger

用于统计信息记录的基类

forward(x)

class torch.ao.ns._numeric_suite.ShadowLogger

用于 Shadow 模块以记录原始模块和影子模块的输出的类。

forward(x, y)

class torch.ao.ns._numeric_suite.OutputLogger

用于记录模块输出的类

forward(x)

class torch.ao.ns._numeric_suite.Shadow(q_module, float_module, logger_cls)

阴影模块将浮点模块附加到与其匹配的量化模块作为阴影。然后，它使用 Logger 模块处理两个模块的输出。

参数

• q_module – 从 float_module 量化得到的模块，我们希望对其进行阴影处理

• float_module – 用于对 q_module 进行阴影处理的浮点模块

• logger_cls – 用于处理 q_module 和 float_module 输出的日志记录器类型。可以使用 ShadowLogger 或自定义日志记录器。

forward(*x)

返回类型

张量

add(x, y)

返回类型

张量

add_scalar(x, y)

返回类型

张量

mul(x, y)

返回类型

张量

mul_scalar(x, y)

返回类型

张量

cat(x, dim=0)

返回类型

张量

add_relu(x, y)

返回类型

张量

torch.ao.ns._numeric_suite.prepare_model_with_stubs(float_module, q_module, module_swap_list, logger_cls)

通过将浮点模块附加到其匹配的量化模块作为阴影来准备模型，如果浮点模块类型在 module_swap_list 中。

示例用法

prepare_model_with_stubs(float_model, q_model, module_swap_list, Logger)
q_model(data)
ob_dict = get_logger_dict(q_model)

参数

• float_module (Module) – 用于生成 q_module 的浮点模块

• q_module (Module) – 从 float_module 量化得到的模块

• module_swap_list (Set[type]) – 要附加阴影的浮点模块类型的列表

• logger_cls (Callable) – 在阴影模块中用于处理量化模块及其浮点阴影模块输出的日志记录器类型

torch.ao.ns._numeric_suite.compare_model_stub(float_model, q_model, module_swap_list, *data, logger_cls=<class 'torch.ao.ns._numeric_suite.ShadowLogger'>)

将模型中的量化模块与其浮点对应部分进行比较，同时为两者提供相同的输入。返回一个字典，其中键对应于模块名称，每个条目是一个包含两个键“float”和“quantized”的字典，包含量化及其匹配浮点阴影模块的输出张量。此字典可用于比较和计算模块级量化误差。

此函数首先调用 prepare_model_with_stubs() 来交换我们想要与 Shadow 模块比较的量化模块，该模块以量化模块、相应的浮点模块和日志记录器作为输入，并在内部创建一个前向路径，使浮点模块成为量化模块的阴影，并共享相同的输入。日志记录器可以自定义，默认日志记录器是 ShadowLogger，它将保存量化模块和浮点模块的输出，这些输出可用于计算模块级量化误差。

示例用法

module_swap_list = [torchvision.models.quantization.resnet.QuantizableBasicBlock]
ob_dict = compare_model_stub(float_model,qmodel,module_swap_list, data)
for key in ob_dict:
    print(key, compute_error(ob_dict[key]['float'], ob_dict[key]['quantized'].dequantize()))

参数

• float_model (Module) – 用于生成 q_model 的浮点模型

• q_model (Module) – 从 float_model 量化得到的模型

• module_swap_list (Set[type]) – 将附加阴影模块的浮点模块类型的列表。

• data – 用于运行准备好的 q_model 的输入数据

• logger_cls – 在阴影模块中用于处理量化模块及其浮点阴影模块输出的日志记录器类型

返回类型

Dict[str, Dict]

torch.ao.ns._numeric_suite.get_matching_activations(float_module, q_module)

查找浮点模块和量化模块之间的匹配激活。

参数

• float_module (Module) – 用于生成 q_module 的浮点模块

• q_module (Module) – 从 float_module 量化得到的模块

返回值

键对应于量化模块名称的字典，每个条目是一个包含两个键“float”和“quantized”的字典，包含匹配的浮点和量化激活

返回类型

act_dict

torch.ao.ns._numeric_suite.prepare_model_outputs(float_module, q_module, logger_cls=<class 'torch.ao.ns._numeric_suite.OutputLogger'>, allow_list=None)

如果它们在 allow_list 中，则通过将日志记录器附加到浮点模块和量化模块来准备模型。

参数

• float_module (Module) – 用于生成 q_module 的浮点模块

• q_module (Module) – 从 float_module 量化得到的模块

• logger_cls – 要附加到 float_module 和 q_module 的日志记录器类型

• allow_list – 要附加日志记录器的模块类型的列表

torch.ao.ns._numeric_suite.compare_model_outputs(float_model, q_model, *data, logger_cls=<class 'torch.ao.ns._numeric_suite.OutputLogger'>, allow_list=None)

比较浮点模型和量化模型在相同输入下对应位置的输出激活。返回一个字典，其中键对应于量化模块名称，每个条目是一个包含两个键“float”和“quantized”的字典，包含量化模型和浮点模型在匹配位置的激活。此字典可用于比较和计算传播量化误差。

示例用法

act_compare_dict = compare_model_outputs(float_model, qmodel, data)
for key in act_compare_dict:
    print(
        key,
        compute_error(
            act_compare_dict[key]['float'],
            act_compare_dict[key]['quantized'].dequantize()
        )
    )

参数

• float_model (Module) – 用于生成 q_model 的浮点模型

• q_model (Module) – 从 float_model 量化得到的模型

• data – 用于运行准备好的 float_model 和 q_model 的输入数据

• logger_cls – 要附加到 float_module 和 q_module 的日志记录器类型

• allow_list – 要附加日志记录器的模块类型的列表

返回值

键对应于量化模块名称的字典，每个条目是一个包含两个键“float”和“quantized”的字典，包含匹配的浮点和量化激活

返回类型

act_compare_dict