MinMaxObserver

class torch.ao.quantization.observer.MinMaxObserver(dtype=torch.quint8, qscheme=torch.per_tensor_affine, reduce_range=False, quant_min=None, quant_max=None, factory_kwargs=None, eps=1.1920928955078125e-07, is_dynamic=False, **kwargs)

Observer 模組，用於根據執行中的最小值和最大值計算量化參數。

這個觀察者使用張量最小值/最大值統計量來計算量化參數。此模組記錄傳入張量的執行最小值和最大值，並使用此統計量來計算量化參數。

參數

• dtype – 實現參考模型規範所需的 quantize 節點的 dtype 參數。

• qscheme – 要使用的量化方案

• reduce_range – 將量化資料類型的範圍減少 1 位元

• quant_min – 最小量化值。如果未指定，它將遵循 8 位元的設定。

• quant_max – 最大量化值。如果未指定，它將遵循 8 位元的設定。

• eps (Tensor) – float32 的 Epsilon 值，預設為 torch.finfo(torch.float32).eps。

給定執行最小值/最大值為 $x_\text{min}$ 和 $x_\text{max}$, 縮放 $s$ 和零點 $z$ 計算如下

執行最小值/最大值 $x_\text{min/max}$ 計算如下

$$\begin{array}{ll} x_\text{min} &= \begin{cases} \min(X) & \text{if~}x_\text{min} = \text{None} \\ \min\left(x_\text{min}, \min(X)\right) & \text{otherwise} \end{cases}\\ x_\text{max} &= \begin{cases} \max(X) & \text{if~}x_\text{max} = \text{None} \\ \max\left(x_\text{max}, \max(X)\right) & \text{otherwise} \end{cases}\\ \end{array}$$

其中 $X$ 是觀察到的張量。

然後縮放 $s$ 和零點 $z$ 計算如下

$$\begin{aligned} \text{if Symmetric:}&\\ &s = 2 \max(|x_\text{min}|, x_\text{max}) / \left( Q_\text{max} - Q_\text{min} \right) \\ &z = \begin{cases} 0 & \text{if dtype is qint8} \\ 128 & \text{otherwise} \end{cases}\\ \text{Otherwise:}&\\ &s = \left( x_\text{max} - x_\text{min} \right ) / \left( Q_\text{max} - Q_\text{min} \right ) \\ &z = Q_\text{min} - \text{round}(x_\text{min} / s) \end{aligned}$$

其中 $Q_\text{min}$ 和 $Q_\text{max}$ 是量化資料類型的最小值和最大值。

警告

dtype 只能採用 torch.qint8 或 torch.quint8。

注意

如果執行最小值等於執行最大值，則 scale 和 zero_point 設定為 1.0 和 0。

calculate_qparams()

計算量化參數。

forward(x_orig)

記錄 x 的執行最小值和最大值。

reset_min_max_vals()

重設最小值/最大值。