Conv3d

class torch.ao.nn.quantized.Conv3d(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进行3D卷积。

有关输入参数、参数和实现的详细信息，请参阅 Conv3d。

注意

仅支持 zeros 作为 padding_mode 参数的值。

注意

仅支持输入数据类型为torch.quint8。

Variables

• 权重 (张量) – 从可学习的权重参数派生的打包张量。

• scale (Tensor) – 输出比例的标量

• zero_point (张量) – 输出零点的标量

参见 Conv3d 以了解其他属性。

示例：

>>> # 使用方形内核和相等的步幅
>>> m = nn.quantized.Conv3d(16, 33, 3, stride=2)
>>> # 使用非方形内核和不等的步幅以及填充
>>> m = nn.quantized.Conv3d(16, 33, (3, 5, 5), stride=(1, 2, 2), padding=(1, 2, 2))
>>> # 使用非方形内核和不等的步幅以及填充和膨胀
>>> m = nn.quantized.Conv3d(16, 33, (3, 5, 5), stride=(1, 2, 2), padding=(1, 2, 2), dilation=(1, 2, 2))
>>> input = torch.randn(20, 16, 56, 56, 56)
>>> # 将输入量化为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)

从浮点模块或qparams_dict创建一个量化模块。

Parameters

mod (模块) – 一个浮点模块，由 torch.ao.quantization 工具生成或由用户提供