快捷方式

Conv2d

class torch.ao.nn.quantized.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode='zeros', device=None, dtype=None)[源代码]

对由多个量化输入平面组成的量化输入信号应用二维卷积。

有关输入参数、参数和实现的详细信息,请参见 Conv2d

注意

仅支持 zeros 作为 padding_mode 参数。

注意

仅支持 torch.quint8 作为输入数据类型。

变量
  • weight (张量) – 从可学习权重参数派生的打包张量。

  • scale (张量) – 输出比例的标量

  • zero_point (张量) – 输出零点的标量

有关其他属性,请参见 Conv2d

示例

>>> # With square kernels and equal stride
>>> m = nn.quantized.Conv2d(16, 33, 3, stride=2)
>>> # non-square kernels and unequal stride and with padding
>>> m = nn.quantized.Conv2d(16, 33, (3, 5), stride=(2, 1), padding=(4, 2))
>>> # non-square kernels and unequal stride and with padding and dilation
>>> m = nn.quantized.Conv2d(16, 33, (3, 5), stride=(2, 1), padding=(4, 2), dilation=(3, 1))
>>> input = torch.randn(20, 16, 50, 100)
>>> # quantize input to quint8
>>> q_input = torch.quantize_per_tensor(input, scale=1.0, zero_point=0, dtype=torch.quint8)
>>> output = m(q_input)
classmethod from_float(mod, use_precomputed_fake_quant=False)[源代码]

从浮点模块或 qparams_dict 创建量化模块。

参数

mod (模块) – 浮点模块,由 torch.ao.quantization 实用程序生成或由用户提供

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取针对初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源