Python PyTorch quantize_per_channel用法及代码示例

本文简要介绍python语言中 torch.quantize_per_channel 的用法。

用法:

torch.quantize_per_channel(input, scales, zero_points, axis, dtype) → Tensor

参数：

• input(Tensor) -浮点张量量化

• scales(Tensor) -浮点数 1D 张量使用，大小应匹配 input.size(axis)

• zero_points(int) -要使用的偏移量的整数 1D 张量，大小应匹配 input.size(axis)

• axis(int) -应用每通道量化的维度

• dtype(torch.dtype) -返回张量的所需数据类型。必须是量化数据类型之一：torch.quint8、torch.qint8、torch.qint32

返回：

一个新量化的张量

返回类型：

Tensor

将浮点张量转换为具有给定比例和零点的每通道量化张量。

例子：

>>> x = torch.tensor([[-1.0, 0.0], [1.0, 2.0]])
>>> torch.quantize_per_channel(x, torch.tensor([0.1, 0.01]), torch.tensor([10, 0]), 0, torch.quint8)
tensor([[-1.,  0.],
        [ 1.,  2.]], size=(2, 2), dtype=torch.quint8,
       quantization_scheme=torch.per_channel_affine,
       scale=tensor([0.1000, 0.0100], dtype=torch.float64),
       zero_point=tensor([10,  0]), axis=0)
>>> torch.quantize_per_channel(x, torch.tensor([0.1, 0.01]), torch.tensor([10, 0]), 0, torch.quint8).int_repr()
tensor([[  0,  10],
        [100, 200]], dtype=torch.uint8)