昇腾社区首页
中文
注册
开发者
下载
支持
积分兑换 NEW

torch_npu.contrib.module.LinearQuant

功能说明

LinearQuant是对torch_npu.npu_quant_matmul接口的封装类，完成A8W8、A4W4量化算子的矩阵乘计算。

函数原型

[object Object]

参数说明

  • in_features（计算参数）：int类型，matmul计算中k轴的值。
  • out_features（计算参数）：int类型，matmul计算中n轴的值。
  • bias（计算参数）：bool类型，代表是否需要bias计算参数。如果设置成False，则bias不会加入量化matmul的计算。
  • offset（计算参数）：bool类型，代表是否需要offset计算参数。如果设置成False，则offset不会加入量化matmul的计算。
  • pertoken_scale（计算参数）：bool类型，可选参数代表是否需要pertoken_scale计算参数。如果设置成False，则pertoken_scale不会加入量化matmul的计算。[object Object]Atlas 推理系列产品[object Object]当前不支持pertoken_scale。
  • output_dtype（计算参数）：ScalarType类型，表示输出Tensor的数据类型。默认值为None，代表输出Tensor数据类型为int8。
    • [object Object]Atlas 推理系列产品[object Object]：支持输入torch.int8、torch.float16。
    • [object Object]Atlas A2 训练系列产品/Atlas 800I A2 推理产品/A200I A2 Box 异构组件[object Object]：支持输入torch.int8、torch.float16、torch.bfloat16、torch.int32。
    • [object Object]Atlas A3 训练系列产品/Atlas A3 推理系列产品[object Object]：支持输入torch.int8、torch.float16、torch.bfloat16、torch.int32。

输入说明

x1（计算输入）：Tensor类型，数据格式支持ND，shape最少是2维，最多是6维。

  • [object Object]Atlas 推理系列产品[object Object]：数据类型支持int8。
  • [object Object]Atlas A2 训练系列产品/Atlas 800I A2 推理产品/A200I A2 Box 异构组件[object Object]：数据类型支持int8和int32，其中int32表示使用本接口进行int4类型矩阵乘计算，int32类型承载的是int4数据，每个int32数据存放8个int4数据。
  • [object Object]Atlas A3 训练系列产品/Atlas A3 推理系列产品[object Object]：数据类型支持int8和int32，其中int32表示使用本接口进行int4类型矩阵乘计算，int32类型承载的是int4数据，每个int32数据存放8个int4数据。

变量说明

  • weight（变量）：Tensor类型，与x1的数据类型须保持一致。数据格式支持ND，shape需要在2-6维范围。当数据类型为int32时，shape必须为2维。

    • [object Object]Atlas 推理系列产品[object Object]：数据类型支持int8，需要调用torchair.experimental.inference.use_internal_format_weight或torch_npu.npu_format_cast完成weight（batch, n, k）高性能数据排布功能。
    • [object Object]Atlas A2 训练系列产品/Atlas 800I A2 推理产品/A200I A2 Box 异构组件[object Object]：数据类型支持int8和int32（同x1，表示int4的数据计算），需要调用torch_npu.npu_format_cast完成weight（batch, n, k）高性能数据排布功能，但不推荐使用该module方式，推荐torch_npu.npu_quant_matmul。
    • [object Object]Atlas A3 训练系列产品/Atlas A3 推理系列产品[object Object]：数据类型支持int8和int32（同x1，表示int4的数据计算），需要调用npu_format_cast完成weight（batch, n, k）高性能数据排布功能，但不推荐使用该module方式，推荐torch_npu.npu_quant_matmul。

  • scale（变量）：Tensor类型，量化计算的scale。数据格式支持ND，shape需要是1维(t,)，t=1或n，其中n与weight的n一致。如需传入int64数据类型的scale，需要提前调用torch_npu.npu_trans_quant_param接口来获取int64数据类型的scale。

    • [object Object]Atlas 推理系列产品[object Object]：数据类型支持float32、int64。
    • [object Object]Atlas A2 训练系列产品/Atlas 800I A2 推理产品/A200I A2 Box 异构组件[object Object]：数据类型支持float32、int64、bfloat16。
    • [object Object]Atlas A3 训练系列产品/Atlas A3 推理系列产品[object Object]：数据类型支持float32、int64、bfloat16。

  • offset（变量）：Tensor类型，量化计算的offset。可选参数。数据类型支持float32，数据格式支持ND，shape需要是1维(t,)，t=1或n，其中n与weight的n一致。

  • pertoken_scale（变量）：Tensor类型，可选参数，量化计算的pertoken。数据类型支持float32，数据格式支持ND，shape需要是1维(m,)，其中m与x1的m一致。[object Object]Atlas 推理系列产品[object Object]当前不支持pertoken_scale。

  • bias（变量）：Tensor类型，可选参数。矩阵乘中的bias。数据格式支持ND，shape支持1维(n,)或3维(batch, 1, n)，n与weight的n一致，同时batch值需要等于x1，weight broadcast后推导出的batch值。当输出为2、4、5、6维情况下，bias shape为1维；当输出为3维情况下，bias shape为1维或3维。

    • [object Object]Atlas 推理系列产品[object Object]：数据类型支持int32。
    • [object Object]Atlas A2 训练系列产品/Atlas 800I A2 推理产品/A200I A2 Box 异构组件[object Object]：数据类型支持int32、bfloat16、float16、float32。
    • [object Object]Atlas A3 训练系列产品/Atlas A3 推理系列产品[object Object]：数据类型支持int32、bfloat16、float16、float32。

  • output_dtype（变量）：ScalarType类型，可选参数。表示输出Tensor的数据类型。默认值为None，代表输出Tensor数据类型为int8。

    • [object Object]Atlas 推理系列产品[object Object]：支持输入torch.int8、torch.float16。
    • [object Object]Atlas A2 训练系列产品/Atlas 800I A2 推理产品/A200I A2 Box 异构组件[object Object]：支持输入torch.int8、torch.float16、torch.bfloat16、torch.int32。
    • [object Object]Atlas A3 训练系列产品/Atlas A3 推理系列产品[object Object]：支持输入torch.int8、torch.float16、torch.bfloat16、torch.int32。

输出说明

一个Tensor类型的输出，代表量化matmul的计算结果：

  • 如果output_dtype为torch.int8或者None，输出的数据类型为int8。
  • 如果output_dtype为torch.float16，输出的数据类型为float16。
  • 如果output_dtype为torch.bfloat16，输出的数据类型为bfloat16。
  • 如果output_dtype为torch.int32，输出的数据类型为int32。

约束说明

  • 该接口支持推理场景下使用。

  • 该接口支持图模式（PyTorch 2.1版本）。

  • x1、weight、scale不能是空。

  • x1与x2最后一维的shape大小不能超过65535。

  • int4类型计算的额外约束：

    当x1、weight的数据类型均为int32，每个int32类型的数据存放8个int4数据。输入shape需要将数据原本int4类型时的最后一维shape缩小8倍。int4数据的最后一维shape应为8的倍数，例如：进行(m, k)乘(k, n)的int4类型矩阵乘计算时，需要输入int32类型，shape为(m, k//8)、(k, n//8)的数据，其中k与n都应是8的倍数。x1只能接受shape为(m, k//8)且数据排布连续的数据，weight只能接受shape为(n, k//8)且数据排布连续的数据。

    说明：[object Object] 数据排布连续是指数组中所有相邻的数，包括换行时内存地址连续，使用Tensor.is_contiguous返回值为true则表明tensor数据排布连续。

  • 输入参数或变量间支持的数据类型组合情况如下：

    表1 [object Object]Atlas 推理系列产品[object Object]

    [object Object][object Object]

    [object Object]

    表2 [object Object]Atlas A2 训练系列产品/Atlas 800I A2 推理产品/A200I A2 Box 异构组件[object Object]、[object Object]Atlas A3 训练系列产品/Atlas A3 推理系列产品[object Object]

    [object Object][object Object]

    [object Object]

支持的型号

  • [object Object]Atlas 推理系列产品[object Object]
  • [object Object]Atlas A2 训练系列产品/Atlas 800I A2 推理产品/A200I A2 Box 异构组件[object Object]
  • [object Object]Atlas A3 训练系列产品/Atlas A3 推理系列产品[object Object]

调用示例

  • 单算子模式调用

    • int8类型输入场景，示例代码如下：

      [object Object]

    • int32类型输入场景，示例代码如下，仅支持如下产品：

      • [object Object]Atlas A2 训练系列产品/Atlas 800I A2 推理产品/A200I A2 Box 异构组件[object Object]
      • [object Object]Atlas A3 训练系列产品/Atlas A3 推理系列产品[object Object]
      [object Object]

  • 图模式调用，示例代码如下，仅支持如下产品：

    [object Object]