MinMaxObserver

class torch.ao.quantization.observer.MinMaxObserver(dtype=torch.quint8, qscheme=torch.per_tensor_affine, reduce_range=False, quant_min=None, quant_max=None, factory_kwargs=None, eps=1.1920928955078125e-07, is_dynamic=False, **kwargs)

用于计算基于运行最小值和最大值的量化参数的观察者模块。

此观察者使用张量最小值/最大值统计信息来计算量化参数。该模块记录传入张量的运行最小值和最大值，并使用此统计信息来计算量化参数。

参数

• dtype – quantize 节点所需的 dtype 参数，用于实现参考模型规范。

• qscheme – 要使用的量化方案

• reduce_range – 将量化数据类型的范围减少 1 位

• quant_min – 最小量化值。如果未指定，则遵循 8 位设置。

• quant_max – 最大量化值。如果未指定，则遵循 8 位设置。

• eps (Tensor) – float32 的 Epsilon 值，默认为 torch.finfo(torch.float32).eps。

给定运行最小值/最大值 $x_\text{min}$ 和 $x_\text{max}$，比例 $s$ 和零点 $z$ 的计算方式如下：

运行最小值/最大值 $x_\text{min/max}$ 的计算方式如下：

$$\begin{array}{ll} x_\text{min} &= \begin{cases} \min(X) & \text{if~}x_\text{min} = \text{None} \\ \min\left(x_\text{min}, \min(X)\right) & \text{otherwise} \end{cases}\\ x_\text{max} &= \begin{cases} \max(X) & \text{if~}x_\text{max} = \text{None} \\ \max\left(x_\text{max}, \max(X)\right) & \text{otherwise} \end{cases}\\ \end{array}$$

其中 $X$ 是观察到的张量。

然后，比例 $s$ 和零点 $z$ 的计算方式如下：

$$\begin{aligned} \text{if Symmetric:}&\\ &s = 2 \max(|x_\text{min}|, x_\text{max}) / \left( Q_\text{max} - Q_\text{min} \right) \\ &z = \begin{cases} 0 & \text{if dtype is qint8} \\ 128 & \text{otherwise} \end{cases}\\ \text{Otherwise:}&\\ &s = \left( x_\text{max} - x_\text{min} \right ) / \left( Q_\text{max} - Q_\text{min} \right ) \\ &z = Q_\text{min} - \text{round}(x_\text{min} / s) \end{aligned}$$

其中 $Q_\text{min}$ 和 $Q_\text{max}$ 是量化数据类型的最小值和最大值。

警告

dtype 只能接受 torch.qint8 或 torch.quint8。

注意

如果运行最小值等于运行最大值，则 scale 和 zero_point 将设置为 1.0 和 0。

calculate_qparams()

计算量化参数。

forward(x_orig)

记录 x 的运行最小值和最大值。

reset_min_max_vals()

重置最小值/最大值。