线性

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

一个使用量化张量作为输入和输出的量化线性模块。 我们采用了与torch.nn.Linear相同的接口，请参阅 https://pytorch.org/docs/stable/nn.html#torch.nn.Linear获取文档。

类似于Linear，属性将在模块创建时随机初始化，并将在之后被覆盖

Variables

• weight (Tensor) – 模块的不可学习的量化权重，形状为 $(\text{out\_features}, \text{in\_features})$。

• 偏置 (张量) – 模块的不可学习偏置，形状为 $(\text{out\_features})$。 如果 bias 为 True，则值初始化为零。

• scale – scale 参数，输出量化张量的参数，类型：double

• zero_point – 零点参数用于输出量化张量，类型：long

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)

从观察到的浮点模块创建一个量化模块

Parameters

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

classmethod from_reference(ref_qlinear, output_scale, output_zero_point)

从参考量化模块创建一个（fbgemm/qnnpack）量化模块

Parameters

• ref_qlinear (模块) – 一个参考量化线性模块，由 torch.ao.quantization 工具生成或由用户提供

• output_scale (float) – 输出张量的缩放比例

• output_zero_point (int) – 输出张量的零点