torch.ao.nn.quantized.modules.functional_modules 的源代码

```html

from typing import List

import torch
from torch import Tensor
from torch._ops import ops

__all__ = ['FloatFunctional', 'FXFloatFunctional', 'QFunctional']

class FloatFunctional(torch.nn.Module):
    r"""用于浮点操作的状态收集器类。

    该类的实例可以用来替代某些操作中的``torch.``前缀。请参见下面的示例用法。

    .. 注意::

        该类不提供``forward``钩子。相反，您必须使用其中一个底层函数（例如``add``）。

    示例::

        >>> f_add = FloatFunctional()
        >>> a = torch.tensor(3.0)
        >>> b = torch.tensor(4.0)
        >>> f_add.add(a, b)  # 等同于``torch.add(a, b)``

    有效的操作名称：
        - add
        - cat
        - mul
        - add_relu
        - add_scalar
        - mul_scalar
    """
    def __init__(self):
        super().__init__()
        self.activation_post_process = torch.nn.Identity()

    def forward(self, x):
        raise RuntimeError("FloatFunctional 不打算使用" +
                           "'forward'。请使用底层操作")

    r"""等同于``torch.add(Tensor, Tensor)``的操作"""
    def add(self, x: Tensor, y: Tensor) -> Tensor:
        r = torch.add(x, y)
        r = self.activation_post_process(r)
        return r

    r"""等同于``torch.add(Tensor, float)``的操作"""
    def add_scalar(self, x: Tensor, y: float) -> Tensor:
        r = torch.add(x, y)
        # 注意：此操作未被观察，因为量化操作不需要观察。
        return r

    r"""等同于``torch.mul(Tensor, Tensor)``的操作"""
    def mul(self, x: Tensor, y: Tensor) -> Tensor:
        r = torch.mul(x, y)
        r = self.activation_post_process(r)
        return r

    r"""等同于``torch.mul(Tensor, float)``的操作"""
    def mul_scalar(self, x: Tensor, y: float) -> Tensor:
        r = torch.mul(x, y)
        # 注意：此操作未被观察，因为量化操作不需要观察。
        return r

    r"""等同于``torch.cat``的操作"""
    def cat(self, x: List[Tensor], dim: int = 0) -> Tensor:
        r = torch.cat(x, dim=dim)
        r = self.activation_post_process(r)
        return r

    r"""等同于``relu(torch.add(x,y))``的操作"""
    def add_relu(self, x: Tensor, y: Tensor) -> Tensor:
        r = torch.add(x, y)
        r = torch.nn.functional.relu(r)
        r = self.activation_post_process(r)
        return r

    r"""等同于``torch.matmul(Tensor, Tensor)``的操作"""
    def matmul(self, x: Tensor, y: Tensor) -> Tensor:
        r = torch.matmul(x, y)
        r = self.activation_post_process(r)
        return r

class FXFloatFunctional(torch.nn.Module):
    r"""在FX图模式量化之前替换FloatFunctional模块的模块，
    因为activation_post_process将直接插入到顶级模块中

    有效的操作名称：
        - add
        - cat
        - mul
        - add_relu
        - add_scalar
        - mul_scalar
    """
    def forward(self, x