torch.ao.ns._numeric_suite¶
警告
此模块处于早期原型阶段,可能会发生变化。
- torch.ao.ns._numeric_suite.compare_weights(float_dict, quantized_dict)[source]¶
比较浮点模块与其相应的量化模块的权重。返回一个字典,其中键对应于模块名称,每个条目都是一个包含两个键“float”和“quantized”的字典,分别包含浮点权重和量化权重。此字典可用于比较和计算浮点模型和量化模型权重的量化误差。
示例用法
wt_compare_dict = compare_weights( float_model.state_dict(), qmodel.state_dict()) for key in wt_compare_dict: print( key, compute_error( wt_compare_dict[key]['float'], wt_compare_dict[key]['quantized'].dequantize() ) )
- torch.ao.ns._numeric_suite.get_logger_dict(mod, prefix='')[source]¶
遍历模块并将所有日志记录器统计信息保存到目标字典中。这主要用于量化精度调试。
- 支持的日志记录器类型
ShadowLogger:用于记录量化模块及其匹配的浮点影子模块的输出,OutputLogger:用于记录模块的输出
- class torch.ao.ns._numeric_suite.Shadow(q_module, float_module, logger_cls)[source]¶
Shadow 模块将浮点模块附加到与其匹配的量化模块作为阴影。然后它使用 Logger 模块来处理两个模块的输出。
- 参数
q_module – 从 float_module 量化的模块,我们希望对其进行阴影化
float_module – 用于对 q_module 进行阴影化的浮点模块
logger_cls – 用于处理 q_module 和 float_module 输出的记录器类型。可以使用 ShadowLogger 或自定义记录器。
- torch.ao.ns._numeric_suite.prepare_model_with_stubs(float_module, q_module, module_swap_list, logger_cls)[source]¶
如果浮点模块类型在 module_swap_list 中,则通过将浮点模块附加到其匹配的量化模块作为阴影来准备模型。
示例用法
prepare_model_with_stubs(float_model, q_model, module_swap_list, Logger) q_model(data) ob_dict = get_logger_dict(q_model)
- torch.ao.ns._numeric_suite.compare_model_stub(float_model, q_model, module_swap_list, *data, logger_cls=<class 'torch.ao.ns._numeric_suite.ShadowLogger'>)[source]¶
比较模型中量化模块与其浮点对应模块,向两者提供相同的输入。返回一个字典,其中键对应于模块名称,每个条目都是一个字典,其中有两个键 'float' 和 'quantized',包含量化及其匹配的浮点阴影模块的输出张量。该字典可用于比较和计算模块级别的量化误差。
此函数首先调用 prepare_model_with_stubs() 来交换我们要比较的量化模块和 Shadow 模块,该模块将量化模块、相应的浮点模块和记录器作为输入,并在内部创建一个前向路径,使浮点模块对量化模块进行阴影处理,共享相同的输入。记录器可以自定义,默认记录器是 ShadowLogger,它将保存量化模块和浮点模块的输出,这些输出可用于计算模块级别的量化误差。
示例用法
module_swap_list = [torchvision.models.quantization.resnet.QuantizableBasicBlock] ob_dict = compare_model_stub(float_model,qmodel,module_swap_list, data) for key in ob_dict: print(key, compute_error(ob_dict[key]['float'], ob_dict[key]['quantized'].dequantize()))
- torch.ao.ns._numeric_suite.get_matching_activations(float_module, q_module)[source]¶
查找浮点模块和量化模块之间的匹配激活。
- torch.ao.ns._numeric_suite.prepare_model_outputs(float_module, q_module, logger_cls=<class 'torch.ao.ns._numeric_suite.OutputLogger'>, allow_list=None)[source]¶
如果浮点模块和量化模块在 allow_list 中,则通过将记录器附加到两者来准备模型。
- torch.ao.ns._numeric_suite.compare_model_outputs(float_model, q_model, *data, logger_cls=<class 'torch.ao.ns._numeric_suite.OutputLogger'>, allow_list=None)[source]¶
比较浮点模型和量化模型在对应位置的输出激活,以获得相同的输入。返回一个字典,其中键对应于量化模块名称,每个条目都是一个字典,其中有两个键 'float' 和 'quantized',包含量化模型和浮点模型在匹配位置的激活。该字典可用于比较和计算传播量化误差。
示例用法
act_compare_dict = compare_model_outputs(float_model, qmodel, data) for key in act_compare_dict: print( key, compute_error( act_compare_dict[key]['float'], act_compare_dict[key]['quantized'].dequantize() ) )
- 参数
- 返回值
一个字典,其中键对应于量化模块名称,每个条目都是一个字典,其中有两个键 'float' 和 'quantized',包含匹配的浮点激活和量化激活
- 返回类型
act_compare_dict