Linear

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

一種動態量化的線性模組，使用浮點張量作為輸入和輸出。我們採用與 torch.nn.Linear 相同的介面，請參閱 https://pytorch.dev.org.tw/docs/stable/nn.html#torch.nn.Linear 以取得文件。

類似於 torch.nn.Linear，屬性將在模組建立時隨機初始化，稍後將被覆寫

變數

• weight (Tensor) – 模組的非學習型量化權重，其形狀為 $(\text{out\_features}, \text{in\_features})$。

• bias (Tensor) – 模組的非學習型浮點偏差，其形狀為 $(\text{out\_features})$。 如果 bias 為 True，則值初始化為零。

範例

>>> 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, use_precomputed_fake_quant=False)

從浮點模組或 qparams_dict 建立動態量化模組

參數

mod (Module) – 一個浮點模組，可以由 torch.ao.quantization 工具生成，也可以由使用者提供

classmethod from_reference(ref_qlinear)

從參考量化模組建立 (fbgemm/qnnpack) 動態量化模組 :param ref_qlinear: 一個參考量化模組，可以由 :type ref_qlinear: Module :param torch.ao.quantization 函式生成，也可以由使用者提供