快捷方式

fuse_modules

class torch.ao.quantization.fuse_modules.fuse_modules(model, modules_to_fuse, inplace=False, fuser_func=<function fuse_known_modules>, fuse_custom_config_dict=None)[源代码][源代码]

将模块列表融合成单个模块。

仅融合以下模块序列:conv, bn;conv, bn, relu;conv, relu;linear, relu;bn, relu。所有其他序列保持不变。对于这些序列,将列表中的第一个项目替换为融合后的模块,将剩余模块替换为 identity 模块。

参数
  • model – 包含待融合模块的模型

  • modules_to_fuse – 待融合的模块名称列表的列表。如果只有单个模块列表需要融合,也可以是字符串列表。

  • inplace – 布尔值,指定是否在模型上原地进行融合,默认情况下返回新模型

  • fuser_func – 接受一个模块列表并输出等长融合模块列表的函数。例如,fuser_func([convModule, BNModule]) 返回列表 [ConvBNModule, nn.Identity()]。默认为 torch.ao.quantization.fuse_known_modules

  • fuse_custom_config_dict – 融合的自定义配置

# Example of fuse_custom_config_dict
fuse_custom_config_dict = {
    # Additional fuser_method mapping
    "additional_fuser_method_mapping": {
        (torch.nn.Conv2d, torch.nn.BatchNorm2d): fuse_conv_bn
    },
}
返回

包含融合模块的模型。如果 inplace=True,则创建新的副本。

示例

>>> m = M().eval()
>>> # m is a module containing the sub-modules below
>>> modules_to_fuse = [ ['conv1', 'bn1', 'relu1'], ['submodule.conv', 'submodule.relu']]
>>> fused_m = torch.ao.quantization.fuse_modules(m, modules_to_fuse)
>>> output = fused_m(input)

>>> m = M().eval()
>>> # Alternately provide a single list of modules to fuse
>>> modules_to_fuse = ['conv1', 'bn1', 'relu1']
>>> fused_m = torch.ao.quantization.fuse_modules(m, modules_to_fuse)
>>> output = fused_m(input)

© 版权所有 PyTorch 贡献者。

使用 Sphinx 构建,主题由 Read the Docs 提供。

文档

查阅 PyTorch 的全面开发者文档

查看文档

教程

获取面向初学者和高级开发者的深入教程

查看教程

资源

查找开发资源并获得问题解答

查看资源