线性

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

一个具有浮点张量作为输入和输出的动态量化线性模块。 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torch.nn.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，其形状为 $(\text{out\_features}, \text{in\_features})$。

• 偏置 (张量) – 模块的不可学习的浮点偏置，形状为 $(\text{out\_features})$。如果 bias 为 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)

从浮点模块或qparams_dict创建一个动态量化模块

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)

从参考量化模块创建一个（fbgemm/qnnpack）动态量化模块 :param ref_qlinear: 一个参考量化模块，由 :type ref_qlinear: 模块 :param torch.ao.quantization 函数生成或由用户提供: