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]

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的模块,将其余模块替换为 identity。

参数
  • model – 包含要融合的模块的模型

  • modules_to_fuse – 要融合的模块名称列表的列表。如果只有一个模块列表要融合,也可以是字符串列表。

  • inplace – 布尔值,指定融合是否在模型上就地发生,默认情况下返回一个新模型

  • fuser_func – 接收模块列表并输出相同长度的融合模块列表的函数。例如,fuser_func([convModule, BNModule]) 返回列表 [ConvBNModule, nn.Identity()] 默认情况下为 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,则创建一个新副本。

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)

文档

访问 PyTorch 的全面的开发者文档

查看文档

教程

获取针对初学者和高级开发者的深入教程

查看教程

资源

查找开发资源并获取问题解答

查看资源