torch.fake_quantize_per_tensor_affine

torch.fake_quantize_per_tensor_affine(input, scale, zero_point, quant_min, quant_max) → Tensor

使用 scale、zero_point、quant_min 和 quant_max 对 input 中的数据进行假量化，并返回一个新的张量。

$$\text{output} = ( min( \text{quant\_max}, max( \text{quant\_min}, \text{std::nearby\_int}(\text{input} / \text{scale}) + \text{zero\_point} ) ) - \text{zero\_point} ) \times \text{scale}$$

参数

• input (Tensor) – 输入值，torch.float32 张量

• scale (double 标量或 float32 张量) – 量化尺度

• zero_point (int64 标量或 int32 张量) – 量化零点

• quant_min (int64) – 量化域的下界

• quant_max (int64) – 量化域的上界

返回

新假量化后的 torch.float32 张量

返回类型

张量

示例

>>> x = torch.randn(4)
>>> x
tensor([ 0.0552,  0.9730,  0.3973, -1.0780])
>>> torch.fake_quantize_per_tensor_affine(x, 0.1, 0, 0, 255)
tensor([0.1000, 1.0000, 0.4000, 0.0000])
>>> torch.fake_quantize_per_tensor_affine(x, torch.tensor(0.1), torch.tensor(0), 0, 255)
tensor([0.1000, 1.0000, 0.4000, 0.0000])