DTypeConfig

class torch.ao.quantization.backend_config.DTypeConfig(input_dtype=None, output_dtype=None, weight_dtype=None, bias_dtype=None, is_dynamic=None)

配置对象，指定作为参考模型规范中量化操作参数的支持数据类型，用于输入和输出激活、权重和偏差。

例如，考虑以下参考模型

quant1 - [dequant1 - fp32_linear - quant2] - dequant2

方括号中的模式指的是静态量化线性运算的参考模式。在 DTypeConfig 中将输入数据类型设置为 torch.quint8 表示我们将 torch.quint8 作为数据类型参数传递给第一个量化操作 (quant1)。类似地，将输出数据类型设置为 torch.quint8 表示我们将 torch.quint8 作为数据类型参数传递给第二个量化操作 (quant2)。

请注意，此处的 dtype 不指的是操作的接口 dtype。例如，此处的“输入 dtype”不是传递给量化线性操作的输入张量的 dtype。尽管它仍然可以与接口 dtype 相同，但这并非总是如此，例如，在动态量化中，接口 dtype 为 fp32，但 DTypeConfig 中指定的“输入 dtype”仍然为 quint8。此处的 dtype 语义与观察器中指定的 dtype 的语义相同。

这些 dtype 与用户 QConfig 中指定的 dtype 进行匹配。如果存在匹配项，并且 QConfig 满足 DTypeConfig 中指定的约束条件（如果有），那么我们将使用此 DTypeConfig 对给定的模式进行量化。否则，将忽略 QConfig，并且不会对模式进行量化。

示例用法

>>> dtype_config1 = DTypeConfig(
...     input_dtype=torch.quint8,
...     output_dtype=torch.quint8,
...     weight_dtype=torch.qint8,
...     bias_dtype=torch.float)

>>> dtype_config2 = DTypeConfig(
...     input_dtype=DTypeWithConstraints(
...         dtype=torch.quint8,
...         quant_min_lower_bound=0,
...         quant_max_upper_bound=255,
...     ),
...     output_dtype=DTypeWithConstraints(
...         dtype=torch.quint8,
...         quant_min_lower_bound=0,
...         quant_max_upper_bound=255,
...     ),
...     weight_dtype=DTypeWithConstraints(
...         dtype=torch.qint8,
...         quant_min_lower_bound=-128,
...         quant_max_upper_bound=127,
...     ),
...     bias_dtype=torch.float)

>>> dtype_config1.input_dtype
torch.quint8

>>> dtype_config2.input_dtype
torch.quint8

>>> dtype_config2.input_dtype_with_constraints
DTypeWithConstraints(dtype=torch.quint8, quant_min_lower_bound=0, quant_max_upper_bound=255, scale_min_lower_bound=None, scale_max_upper_bound=None)

classmethod from_dict(dtype_config_dict)

从具有以下项目的字典创建 DTypeConfig（全部可选）

“input_dtype”: torch.dtype 或 DTypeWithConstraints “output_dtype”: torch.dtype 或 DTypeWithConstraints “weight_dtype”: torch.dtype 或 DTypeWithConstraints “bias_type”: torch.dtype “is_dynamic”: bool

返回类型

DTypeConfig

to_dict()

将此 DTypeConfig 转换为一个字典，其中包含 from_dict() 中描述的项目。

返回类型

Dict[str, Any]