• 文档 >
  • 量化 >
  • 量化 API 参考 >
  • 准备自定义配置
快捷键

准备自定义配置 ¶

类 torch.ao.quantization.fx.custom_config.PrepareCustomConfig[source][source] ¶

prepare_fx()prepare_qat_fx() 的定制配置。

演示用法:

prepare_custom_config = PrepareCustomConfig()             .set_standalone_module_name("module1", qconfig_mapping, example_inputs,                 child_prepare_custom_config, backend_config)             .set_standalone_module_class(MyStandaloneModule, qconfig_mapping, example_inputs,                 child_prepare_custom_config, backend_config)             .set_float_to_observed_mapping(FloatCustomModule, ObservedCustomModule)             .set_non_traceable_module_names(["module2", "module3"])             .set_non_traceable_module_classes([NonTraceableModule1, NonTraceableModule2])             .set_input_quantized_indexes([0])             .set_output_quantized_indexes([0])             .set_preserved_attributes(["attr1", "attr2"])
类方法 from_dict(prepare_custom_config_dict)[source][source] ¶

从以下项目创建一个 PrepareCustomConfig

“standalone_module_name”:一个包含(module_name,qconfig_mapping,example_inputs,child_prepare_custom_config,backend_config)元组的列表

“standalone_module_class”:一个包含(module_class,qconfig_mapping,example_inputs,child_prepare_custom_config,backend_config)元组的列表

“float_to_observed_custom_module_class”:一个从量化模式到内部映射的嵌套字典,映射浮点模块类到观测模块类,例如{"static": {FloatCustomModule: ObservedCustomModule}}

“non_traceable_module_name”:一个包含不可符号追踪的模块名的列表“non_traceable_module_class”:一个包含不可符号追踪的模块类的列表“input_quantized_idxs”:应量化图输入索引的列表“output_quantized_idxs”:应量化图输出索引的列表“preserved_attributes”:即使它们在 forward 中未被使用,也会持续存在的属性列表

此功能主要用于向后兼容,未来可能会被移除。

返回类型:

准备自定义配置

set_float_to_observed_mapping(float_class, observed_class, quant_type=QuantType.STATIC)[source][source]

设置自定义浮点模块类到自定义观测模块类的映射。

观测模块类必须有一个 from_float 类方法,将浮点模块类转换为观测模块类。目前仅支持静态量化。

返回类型:

准备自定义配置

set_input_quantized_indexes(indexes)[source][source]

设置应进行量化的图输入的索引。默认情况下,输入假定在 fp32 中。

返回类型:

准备自定义配置

设置不可符号追踪的模块类(module_classes)[源代码][源代码] ¶

设置不可符号追踪的模块,通过类标识。

返回类型:

准备自定义配置

设置不可符号追踪的模块名称(module_names)[源代码][源代码] ¶

设置无法通过符号跟踪的模块,通过名称进行识别。

返回类型:

PrepareCustomConfig

set_output_quantized_indexes(indexes)[source][source]

设置应进行量化的图输出的索引。默认情况下,输出假定在 fp32 中。

返回类型:

准备自定义配置

set_preserved_attributes(attributes)[source][source]

设置在图模块中即使未在模型的 forward 方法中使用也将持久化的属性名称。

返回类型:

准备自定义配置

set_standalone_module_class(module_class, qconfig_mapping, example_inputs, prepare_custom_config, backend_config)[source][source]

设置运行独立模块的配置,该模块由 module_class 标识。

如果 qconfig_mapping 为空,则使用父级 qconfig_mapping 。如果 prepare_custom_config 为空,则使用空白的 PrepareCustomConfig 。如果 backend_config 为空,则使用父级 backend_config 代替。

返回类型:

PrepareCustomConfig

set_standalone_module_name(module_name, qconfig_mapping, example_inputs, prepare_custom_config, backend_config)[source][source]

设置运行由 module_name 标识的独立模块的配置。

如果 qconfig_mapping 为空,则使用父级 qconfig_mapping 。如果 prepare_custom_config 为空,则使用空 PrepareCustomConfig 。如果 backend_config 为空,则使用父级 backend_config

返回类型:

准备自定义配置

to_dict()[来源][来源] ¶

将此 PrepareCustomConfig 转换为包含 from_dict() 描述项的字典。

返回类型:

dict[str, Any]


© 版权所有 PyTorch 贡献者。

使用 Sphinx 构建,主题由 Read the Docs 提供。

文档

查看 PyTorch 的全面开发者文档

查看文档

教程

深入了解初学者和高级开发者的教程

查看教程

资源

查找开发资源并获得您的疑问解答

查看资源