Conv2d

class torch.ao.nn.quantized.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode='zeros', device=None, dtype=None)

对由多个量化输入平面组成的量化输入信号应用 2D 卷积。

关于输入参数、参数和实现的详细信息，请参阅 Conv2d 。

注意

仅支持 padding_mode 参数为零。

注意

仅支持输入数据类型为 torch.quint8。

变量:

• weight（张量）- 从可学习权重参数派生出的打包张量。

• scale（张量）- 输出缩放比例的标量。

• zero_point（张量）- 输出零点的标量。

查看 Conv2d 以获取其他属性。

示例：

>>> # With square kernels and equal stride
>>> m = nn.quantized.Conv2d(16, 33, 3, stride=2)
>>> # non-square kernels and unequal stride and with padding
>>> m = nn.quantized.Conv2d(16, 33, (3, 5), stride=(2, 1), padding=(4, 2))
>>> # non-square kernels and unequal stride and with padding and dilation
>>> m = nn.quantized.Conv2d(16, 33, (3, 5), stride=(2, 1), padding=(4, 2), dilation=(3, 1))
>>> input = torch.randn(20, 16, 50, 100)
>>> # quantize input to quint8
>>> q_input = torch.quantize_per_tensor(input, scale=1.0, zero_point=0, dtype=torch.quint8)
>>> output = m(q_input)

classmethod from_float(mod, use_precomputed_fake_quant=False)

从浮点模块或 qparams_dict 创建一个量化模块。

参数:

mod (模块) – 一个浮点模块，可以是 torch.ao.quantization 工具生成的，也可以是由用户提供的。