GRUQAT
产品支持情况
产品 |
是否支持 |
|---|---|
Atlas 350 加速卡 |
x |
x |
|
x |
|
x |
|
x |
|
x |
功能说明
构造GRU的QAT算子。
函数原型
- 直接构造接口：
1qat = amct_pytorch.nn.module.quantization.gru.GRUQAT(input_size, hidden_size, num_layers=1, bias=True, batch_first=False, dropout=0.0, bidirectional=False, device=None, dtype=None, config=None)
- 基于原生算子构造接口：
1qat = amct_pytorch.nn.module.quantization.gru.GRUQAT.from_float(mod, config)
参数说明
参数名 |
输入/输出 |
说明 |
|---|---|---|
input_size |
输入 |
含义：输入x中预期特征的数量。 数据类型：int |
hidden_size |
输入 |
含义：隐藏状态的特征数h。 数据类型：int |
num_layers |
输入 |
含义：循环层数，有几层LSTM算子，单算子中限制为1。 数据类型：int 默认值：1 |
bias |
输入 |
含义：是否开启偏置项参与学习。 数据类型：bool 默认值：True |
batch_first |
输入 |
含义：是否将batch_size放到第一维，如果为True，则输入和输出张量将为（batch,seq,feature），否则为（seq, batch, feature）。注意只对x输入生效，不对h和c生效。（gru中为h）。 数据类型：bool 默认值：False |
dropout |
输入 |
含义：是否在除最后一层之外的每个LSTM层的输出上引入一个Dropout层。如果非零，则引入，单算子中限制为0。 数据类型：int或者float 默认值：0 |
bidirectional |
输入 |
含义：是否为双向LSTM算子。如果为True，则成为双向LSTM，单算子中限制为False。 数据类型：bool 默认值：False |
device |
输入 |
含义：运行设备。 数据类型：string 默认值：None |
dtype |
输入 |
含义：torch数值类型。 数据类型：torch数据类型， 仅支持torch.float32 |
config |
输入 |
含义：量化配置，配置参考样例如下，量化配置参数的具体说明请参见量化配置参数说明。 DEFAULT_QAT_CONF = {
"retrain_enable": True,
"retrain_data_config": {
"dst_type": "INT8", # INT8
"batch_num": 1, # 大于0
"fixed_min": True,
"clip_max": 1.0,
"clip_min": -1.0
},
"retrain_weight_config": {
"dst_type": "INT8", # INT8
"weights_retrain_algo": "arq_retrain", # arq_retrain/ulq_retrain
"channel_wise": True
}
}
数据类型：dict 默认值：None |
参数名 |
输入/输出 |
说明 |
|---|---|---|
mod |
输入 |
含义：待量化的原生GRU算子。 数据类型：torch.nn.Module |
config |
输入 |
含义：量化配置，配置参考样例如下，量化配置参数的具体说明请参见量化配置参数说明。 config = {
"retrain_enable":true,
"retrain_data_config": {
"dst_type": "INT8",
"batch_num": 10,
"fixed_min": False,
"clip_min": -1.0,
"clip_max": 1.0
},
"retrain_weight_config": {
"dst_type": "INT8",
"weights_retrain_algo": "arq_retrain",
"channel_wise": False
}
}
数据类型：dict 默认值：None |
返回值说明
- 直接构造：返回构造的QAT单算子实例。
- 基于原生算子构造：torch.nn.Module转化后的QAT单算子。
调用示例
- 直接构造：
1 2 3 4 5
from amct_pytorch.nn.module.quantization.gru import GRUQAT GRUQAT(input_size=3, hidden_size=3, num_layers=1, bias=True, batch_first=True, dropout=0, bidirectional=False, device=None, dtype=None, config=None)
- 基于原生算子构造：
1 2 3 4 5 6 7 8
import torch from amct_pytorch.nn.module.quantization.gru import GRUQAT gru_op = torch.nn.lstm(input_size=1, hidden_size=1, num_layers=1, bias=True, batch_first=True, dropout=0, bidirectional=False, device=None, dtype=None, config=None) GRUQAT.from_float(mod=lstm_op, config=None)