EmbeddingBag

class torch.ao.nn.quantized.EmbeddingBag(num_embeddings, embedding_dim, max_norm=None, norm_type=2.0, scale_grad_by_freq=False, mode='sum', sparse=False, _weight=None, include_last_offset=False, dtype=torch.quint8)

一個量化的 EmbeddingBag 模組，使用量化的打包權重作為輸入。我們採用了與 torch.nn.EmbeddingBag 相同的介面，有關文件請參閱 https://pytorch.com.tw/docs/stable/generated/torch.nn.EmbeddingBag.html。

與 EmbeddingBag 類似，屬性將在模組建立時被隨機初始化，並在之後被覆蓋。

變數

weight (Tensor) – 模組的不可學習的量化權重，形狀為 $(\text{num\_embeddings}, \text{embedding\_dim})$。

示例：

>>> m = nn.quantized.EmbeddingBag(num_embeddings=10, embedding_dim=12, include_last_offset=True, mode='sum')
>>> indices = torch.tensor([9, 6, 5, 7, 8, 8, 9, 2, 8, 6, 6, 9, 1, 6, 8, 8, 3, 2, 3, 6, 3, 6, 5, 7, 0, 8, 4, 6, 5, 8, 2, 3])
>>> offsets = torch.tensor([0, 19, 20, 28, 28, 32])
>>> output = m(indices, offsets)
>>> print(output.size())
torch.Size([5, 12])

classmethod from_float(mod, use_precomputed_fake_quant=False)

從一個浮點模組建立一個量化的 embedding_bag 模組。

引數

mod (Module) – 一個浮點模組，可以是 torch.ao.quantization 工具生成的，也可以是使用者提供的。