快捷方式

torch.quantized_batch_norm

torch.quantized_batch_norm(input, weight=None, bias=None, mean, var, eps, output_scale, output_zero_point) Tensor

对 4D (NCHW) 量化张量应用批标准化。

y=xE[x]Var[x]+ϵγ+βy = \frac{x - \mathrm{E}[x]}{\sqrt{\mathrm{Var}[x] + \epsilon}} * \gamma + \beta
参数
  • input (Tensor) – 量化张量

  • weight (Tensor) – 与 gamma 对应的浮点张量,大小为 C

  • bias (Tensor) – 与 beta 对应的浮点张量,大小为 C

  • mean (Tensor) – 批标准化中的浮点均值,大小为 C

  • var (Tensor) – 方差的浮点张量,大小为 C

  • eps (float) – 添加到分母以确保数值稳定性的值。

  • output_scale (float) – 输出量化张量的比例

  • output_zero_point (int) – 输出量化张量的零点

返回值

应用了批标准化的量化张量。

返回类型

Tensor

示例

>>> qx = torch.quantize_per_tensor(torch.rand(2, 2, 2, 2), 1.5, 3, torch.quint8)
>>> torch.quantized_batch_norm(qx, torch.ones(2), torch.zeros(2), torch.rand(2), torch.rand(2), 0.00001, 0.2, 2)
tensor([[[[-0.2000, -0.2000],
      [ 1.6000, -0.2000]],

     [[-0.4000, -0.4000],
      [-0.4000,  0.6000]]],


    [[[-0.2000, -0.2000],
      [-0.2000, -0.2000]],

     [[ 0.6000, -0.4000],
      [ 0.6000, -0.4000]]]], size=(2, 2, 2, 2), dtype=torch.quint8,
   quantization_scheme=torch.per_tensor_affine, scale=0.2, zero_point=2)

文档

访问 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人员的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源