torch.fake_quantize_per_tensor_affine

torch.fake_quantize_per_tensor_affine(input, scale, zero_point, quant_min, quant_max) → 张量

返回一个新的张量，该张量使用 input 中的数据进行伪量化，使用 scale、 zero_point、quant_min 和 quant_max。

$$\text{output} = ( min( \text{quant\_max}, max( \text{quant\_min}, \text{std::nearby\_int}(\text{input} / \text{scale}) + \text{zero\_point} ) ) - \text{zero\_point} ) \times \text{scale}$$

Parameters

• 输入 (张量) – 输入值，torch.float32 张量

• scale（双精度标量或float32张量）– 量化比例

• zero_point（int64 标量或 int32 张量）– 量化 zero_point

• quant_min (int64) – 量化域的下界

• quant_max (int64) – 量化域的上限

Returns

一个新的伪量化 torch.float32 张量

Return type

张量

示例：

>>> x = torch.randn(4)
>>> x
tensor([ 0.0552,  0.9730,  0.3973, -1.0780])
>>> torch.fake_quantize_per_tensor_affine(x, 0.1, 0, 0, 255)
tensor([0.1000, 1.0000, 0.4000, 0.0000])
>>> torch.fake_quantize_per_tensor_affine(x, torch.tensor(0.1), torch.tensor(0), 0, 255)
tensor([0.1000, 1.0000, 0.4000, 0.0000])