Linear#

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

一个动态量化线性模块，其输入和输出为浮点张量。我们采用与 torch.nn.Linear 相同的接口，请参阅 https://pytorch.ac.cn/docs/stable/nn.html#torch.nn.Linear 的文档。

与 torch.nn.Linear 类似，属性将在模块创建时随机初始化，稍后将被覆盖。

变量

weight (Tensor) – 模块的不可学习的量化权重，形状为 $(\text{out\_features}, \text{in\_features})$ 。
bias (Tensor) – 模块的不可学习的浮点偏置，形状为 $(\text{out\_features})$ 。如果 bias 为 True，则值初始化为零。

示例

>>> 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)[源]#

从浮点模块或 qparams_dict 创建动态量化模块。

classmethod from_reference(ref_qlinear)[源]#: 从参考量化模块创建（fbgemm/qnnpack）动态量化模块 :param ref_qlinear: 一个参考量化模块，由 :type ref_qlinear: Module :param torch.ao.quantization 函数生成或用户提供。

文档