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)

将一系列模块融合成一个模块。

仅融合同序列的模块：conv、bn conv、bn、relu conv、relu linear、relu bn、relu。 其他所有序列均保持不变。 对于这些序列，用融合后的模块替换列表中的第一项，将其余模块替换为恒等映射。

参数

• model – 包含需要融合的模块的模型

• modules_to_fuse – 需要融合的模块名称列表。 如果只有一个模块列表需要融合，也可以是字符串列表。

• inplace – 布尔值，指定融合是否在模型上原地进行，默认为返回一个新模型

• fuser_func – 函数，接收一个模块列表并返回一个相同长度的融合模块列表。 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

经过融合模块的模型。 如果 inplace=True，则会创建一个新副本。

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)