fuse_modules

class torch.ao.quantization.fuse_modules.fuse_modules(model, modules_to_fuse, inplace=False, fuser_func=<function fuse_known_modules>, fuse_custom_config_dict=None)

将模块列表融合为单个模块。

仅融合以下模块序列：conv, bn；conv, bn, relu；conv, relu；linear, relu；bn, relu。所有其他序列保持不变。对于这些序列，会将列表中的第一项替换为融合后的模块，并将列表中的其余模块替换为 identity（恒等映射）。

参数:

• model – 包含待融合模块的模型

• modules_to_fuse – 待融合的模块名称列表的列表。如果只有一个待融合的模块列表，也可以直接传入字符串列表。

• inplace – 布尔值，指定是否在原模型上进行原地（inplace）融合；默认情况下返回一个新的模型。

• fuser_func – 接收一个模块列表并输出相同长度的融合后模块列表的函数。例如，fuser_func([convModule, BNModule]) 返回列表 [ConvBNModule, nn.Identity()]。默认为 torch.ao.quantization.fuse_known_modules

• fuse_custom_config_dict – 融合的自定义配置

# Example of fuse_custom_config_dict
fuse_custom_config_dict = {
    # Additional fuser_method mapping
    "additional_fuser_method_mapping": {
        (torch.nn.Conv2d, torch.nn.BatchNorm2d): fuse_conv_bn
    },
}

返回:

融合后的模型。如果 inplace=True，则会创建一个新的副本。

示例

>>> m = M().eval()
>>> # m is a module containing the sub-modules below
>>> modules_to_fuse = [ ['conv1', 'bn1', 'relu1'], ['submodule.conv', 'submodule.relu']]
>>> fused_m = torch.ao.quantization.fuse_modules(m, modules_to_fuse)
>>> output = fused_m(input)

>>> m = M().eval()
>>> # Alternately provide a single list of modules to fuse
>>> modules_to_fuse = ['conv1', 'bn1', 'relu1']
>>> fused_m = torch.ao.quantization.fuse_modules(m, modules_to_fuse)
>>> output = fused_m(input)