Embedding

class torch.ao.nn.quantized.Embedding(num_embeddings, embedding_dim, padding_idx=None, max_norm=None, norm_type=2.0, scale_grad_by_freq=False, sparse=False, _weight=None, dtype=torch.quint8)

一个量化的 Embedding 模块，输入为量化后的 packed 权重。我们采用了与 torch.nn.Embedding 相同的接口，更多文档请参考 https://pytorch.ac.cn/docs/stable/generated/torch.nn.Embedding.html。

与 Embedding 类似，属性在模块创建时会随机初始化，之后会被覆盖。

变量

weight (Tensor) – 模块的非可学习量化权重，形状为 $(\text{num\_embeddings}, \text{embedding\_dim})$。

示例：

>>> m = nn.quantized.Embedding(num_embeddings=10, embedding_dim=12)
>>> indices = torch.tensor([9, 6, 5, 7, 8, 8, 9, 2, 8])
>>> output = m(indices)
>>> print(output.size())
torch.Size([9, 12])

classmethod from_float(mod, use_precomputed_fake_quant=False)

从 float 模块创建一个量化 embedding 模块

参数

mod (Module) – 一个 float 模块，可以由 torch.ao.quantization 工具生成，也可以由用户提供