快捷方式

线性

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

一个动态量化线性模块,输入和输出为浮点张量。我们采用了与 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。

类似于 torch.nn.Linear,属性将在模块创建时随机初始化,并在稍后被覆盖

变量
  • weight (张量) – 模块的不可学习量化权重,形状为 (out_features,in_features)(\text{out\_features}, \text{in\_features}).

  • bias (张量) – 模块的不可学习浮点偏差,形状为 (out_features)(\text{out\_features}). 如果 biasTrue,则值初始化为零。

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)[source]

从浮点模块或 qparams_dict 创建动态量化模块

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

classmethod from_reference(ref_qlinear)[source]

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

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取适合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