线性 ¶

class torch.ao.nn.quantized.Linear(in_features, out_features, bias_=True, dtype=torch.qint8)

一个量化线性模块，输入和输出为量化张量。我们采用与 torch.nn.Linear 相同的接口，请参阅 https://pytorch.org/docs/stable/nn.html#torch.nn.Linear 以获取文档。

类似于 Linear ，属性将在模块创建时随机初始化，之后将被覆盖

变量:

• weight（张量）- 模块的非可学习量化权重，形状为 $(\text{out\_features}, \text{in\_features})$ 。

• bias (Tensor) – 模块的非可学习偏差，形状为 $(\text{out\_features})$ 。如果 bias 是 True ，则值初始化为零。

• scale – 输出量化张量的尺度参数，类型：double

• 零点 – 零点参数用于输出量化张量，类型：长整型

示例：

>>> m = nn.quantized.Linear(20, 30)
>>> input = torch.randn(128, 20)
>>> input = torch.quantize_per_tensor(input, 1.0, 0, torch.quint8)
>>> output = m(input)
>>> print(output.size())
torch.Size([128, 30])

classmethod from_float(mod, use_precomputed_fake_quant=False)

从观察到的浮点模块创建量化模块

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。

• use_precomputed_fake_quant（布尔值）– 如果为 True，模块将重用预计算的伪量化模块中的最小/最大值。

classmethod from_reference(ref_qlinear, output_scale, output_zero_point)[source][source]

从参考量化模块创建一个（fbgemm/qnnpack）量化模块

参数:

• ref_qlinear（模块）- 一个参考量化线性模块，可以是 torch.ao.quantization 工具生成的，也可以是由用户提供的

• output_scale（浮点数）- 输出 Tensor 的缩放比例

• output_zero_point（整数）- 输出 Tensor 的零点