Linear

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

这是一个动态量化线性模块，输入和输出为浮点 Tensor。我们采用与 torch.nn.Linear 相同的接口，请参阅 https://pytorch.ac.cn/docs/stable/nn.html#torch.nn.Linear 获取文档。

与 torch.nn.Linear 类似，属性将在模块创建时随机初始化，并稍后被覆盖。

变量

• weight (Tensor) – 模块的非可学习量化权重，形状为 $(\text{out\_features}, \text{in\_features})$。

• bias (Tensor) – 模块的非可学习浮点偏置，形状为 $(\text{out\_features})$。如果 bias 为 True，则值为零初始化。

示例

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

classmethod from_float(mod, use_precomputed_fake_quant=False)

从浮点模块或 qparams_dict 创建动态量化模块

参数

mod (Module) – 浮点模块，可以由 torch.ao.quantization 工具生成或由用户提供

classmethod from_reference(ref_qlinear)

从参考量化模块创建一个 (fbgemm/qnnpack) 动态量化模块 :param ref_qlinear: 参考量化模块，可以由 torch.ao.quantization 函数生成或由用户提供 :type ref_qlinear: Module