MovingAverageMinMaxObserver

class torch.ao.quantization.observer.MovingAverageMinMaxObserver(averaging_constant=0.01, dtype=torch.quint8, qscheme=torch.per_tensor_affine, reduce_range=False, quant_min=None, quant_max=None, eps=1.1920928955078125e-07, is_dynamic=False, **kwargs)

用于根据最小值和最大值的移动平均计算量化参数的观察器模块。

此观察器根据传入张量的最小值和最大值的移动平均计算量化参数。该模块记录传入张量的平均最小值和最大值，并使用这些统计数据来计算量化参数。

参数

• averaging_constant – 最小值/最大值的平均常数。

• dtype – 实现参考模型规范所需的 quantize 节点的 dtype 参数。

• qscheme – 要使用的量化方案

• reduce_range – 将量化数据类型的范围减小 1 位

• quant_min – 最小量化值。如果未指定，将遵循 8 位设置。

• quant_max – 最大量化值。如果未指定，将遵循 8 位设置。

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

移动平均最小值/最大值的计算方式如下：

$$\begin{array}{ll} x_\text{min} = \begin{cases} \min(X) & \text{if~}x_\text{min} = \text{None} \\ (1 - c) x_\text{min} + c \min(X) & \text{otherwise} \end{cases}\\ x_\text{max} = \begin{cases} \max(X) & \text{if~}x_\text{max} = \text{None} \\ (1 - c) x_\text{max} + c \max(X) & \text{otherwise} \end{cases}\\ \end{array}$$

其中 $x_\text{min/max}$ 是运行中的平均最小值/最大值，$X$ 是传入张量，$c$ 是 averaging_constant。

然后按照 MinMaxObserver 中的方式计算尺度和零点。

注意

仅适用于 torch.per_tensor_affine 量化方案。

注意

如果运行中的最小值等于运行中的最大值，则尺度和零点将设置为 1.0 和 0。