线性 ¶

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

一个动态量化线性模块，输入和输出为浮点张量。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。

与 torch.nn.Linear 类似，属性将在模块创建时随机初始化，之后将被覆盖

变量:

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

• 偏置（张量）- 模块的非可学习浮点偏置，形状为 $(\text{out\_features})$ 。如果 bias 是 True ，则值初始化为零。

示例：

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

classmethod from_float(mod, use_precomputed_fake_quant=False)

从浮点模块或 qparams_dict 创建动态量化模块

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。

@classmethod from_reference(ref_qlinear)[source][source] ¶

创建一个从参考量化模块动态量化模块：(fbgemm/qnnpack) :param ref_qlinear: 一个参考量化模块，可以是通过 :type ref_qlinear: 模块或由用户提供的 :torch.ao.quantization 函数生成的量化模块：