Conv2d

class torch.ao.nn.quantized.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode='zeros', device=None, dtype=None)

對由幾個量化輸入平面組成的量化輸入訊號應用二維卷積。

有關輸入引數、引數和實現的詳細資訊，請參閱 Conv2d。

注意

padding_mode 引數僅支援 zeros。

注意

輸入資料型別僅支援 torch.quint8。

變數

• weight (Tensor) – 來自可學習權重引數的打包張量。

• scale (Tensor) – 輸出尺度的標量

• zero_point (Tensor) – 輸出零點的標量

有關其他屬性，請參閱 Conv2d。

示例

>>> # With square kernels and equal stride
>>> m = nn.quantized.Conv2d(16, 33, 3, stride=2)
>>> # non-square kernels and unequal stride and with padding
>>> m = nn.quantized.Conv2d(16, 33, (3, 5), stride=(2, 1), padding=(4, 2))
>>> # non-square kernels and unequal stride and with padding and dilation
>>> m = nn.quantized.Conv2d(16, 33, (3, 5), stride=(2, 1), padding=(4, 2), dilation=(3, 1))
>>> input = torch.randn(20, 16, 50, 100)
>>> # quantize input to quint8
>>> q_input = torch.quantize_per_tensor(input, scale=1.0, zero_point=0, dtype=torch.quint8)
>>> output = m(q_input)

classmethod from_float(mod, use_precomputed_fake_quant=False)

從浮點模組或 qparams_dict 建立量化模組。

引數

mod (Module) – 一個浮點模組，由 torch.ao.quantization 工具生成或使用者提供