Embedding

class torch.ao.nn.quantized.Embedding(num_embeddings, embedding_dim, padding_idx=None, max_norm=None, norm_type=2.0, scale_grad_by_freq=False, sparse=False, _weight=None, dtype=torch.quint8)

带有量化打包权重作为输入的量化 Embedding 模块。我们采用了与 torch.nn.Embedding 相同的接口，请参阅 https://pytorch.ac.cn/docs/stable/generated/torch.nn.Embedding.html 获取文档。

与 Embedding 类似，属性将在模块创建时被随机初始化，之后会被覆盖。

变量:

weight (Tensor) – 模块的不可学习的量化权重，形状为 $(\text{num\_embeddings}, \text{embedding\_dim})$。

示例：

>>> m = nn.quantized.Embedding(num_embeddings=10, embedding_dim=12)
>>> indices = torch.tensor([9, 6, 5, 7, 8, 8, 9, 2, 8])
>>> output = m(indices)
>>> print(output.size())
torch.Size([9, 12])

classmethod from_float(mod, use_precomputed_fake_quant=False)

从一个浮点模块创建一个量化嵌入模块。

参数:

mod (Module) – 一个浮点模块，可以由 torch.ao.quantization 工具生成，或由用户提供。