torch_npu.contrib.module.LinearWeightQuant

功能说明

LinearWeightQuant是对torch_npu.npu_weight_quant_batchmatmul接口的封装类，完成矩阵乘计算中的weight输入和输出的量化操作，支持per-tensor、per-channel、per-group多场景量化。

当前[object Object]Atlas 推理系列产品[object Object]仅支持per-channel量化。

函数原型

参数说明

• in_features：int类型，伪量化matmul计算中的k轴的值。

• out_features：int类型，伪量化matmul计算中的n轴的值。

• bias：bool类型，可选参数，默认为True，代表是否需要bias计算参数。如果设置成False，则bias不会加入伪量化matmul的计算。

• device：string类型，可选参数，用于执行model的device名称，默认为None。

• dtype：伪量化matmul运算中的输入x的dtype，可选参数，默认为None。

• antiquant_offset：bool类型，可选参数，默认为False，代表是否需要antiquant_offset计算参数。如果设置成False，则weight矩阵反量化时无需设置offset。

• quant_scale：bool类型，可选参数，默认为False，代表是否需要quant_scale计算参数。如果设置成False，则伪量化输出不会进行量化计算。

• quant_offset：bool类型，可选参数，默认为False，代表是否需要quant_offset计算参数。如果设置成False，则对伪量化输出进行量化计算时无需设置offset。

• antiquant_group_size：int类型，可选参数，用于控制per-group场景下的group大小，当前默认为0。传入值的范围为[32,K-1]且值要求是32的倍数。

  [object Object]Atlas 推理系列产品[object Object]：暂不支持此参数。

• inner_precise: int类型，计算模式选择，默认为0。0表示高精度模式，1表示高性能模式，可能会影响精度。当weight以int32类型且以FRACTAL_NZ格式输入，M不大于16的per-group场景下可以设置为1，提升性能。其他场景不建议使用高性能模式。

输入说明

x：Tensor类型，即矩阵乘中的x。数据格式支持ND，支持输入维度为两维(M, K) 。

• [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float16、bfloat16。
• [object Object]Atlas A3 训练系列产品[object Object] ：数据类型支持float16、bfloat16。
• [object Object]Atlas 推理系列产品[object Object] ：数据类型仅支持float16。

变量说明

• weight：Tensor类型，即矩阵乘中的weight。数据格式支持ND、FRACTAL_NZ，支持非连续的Tensor，支持输入维度为两维(N, K)。

  • [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、int32（通过int32承载int4的输入，可以参考undefined的调用示例）。
  • [object Object]Atlas A3 训练系列产品[object Object]：数据类型支持int8、int32（通过int32承载int4的输入，可以参考undefined的调用示例）。
  • [object Object]Atlas 推理系列产品[object Object]：数据类型支持int8。weight FRACTAL_NZ格式只在图模式有效，依赖接口torchair.experimental.inference.use_internal_format_weight完成数据格式从ND到FRACTAL_NZ转换，可参考undefined。

• antiquant_scale：Tensor类型，反量化的scale，用于weight矩阵反量化。数据格式支持ND。支持非连续的Tensor，支持输入维度为两维(N, 1)或一维(N,)、(1,)。

  • • [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float16、bfloat16、int64。per-group场景shape要求为(N, ceil_div(K, antiquant_group_size))。
  • 若数据类型为float16、bfloat16，其数据类型需要和x保持一致。
  • 若数据类型为int64，则x的数据类型必须为float16且不带transpose输入，同时weight的数据类型必须为int8、数据格式为ND、带transpose输入，可参考undefined。此时只支持per-channel场景，M范围为[1, 96]，且K和N要求64对齐。

• [object Object]Atlas A3 训练系列产品[object Object] ：数据类型支持float16、bfloat16、int64。per-group场景shape要求为(N, ceil_div(K, antiquant_group_size))。

  • 若数据类型为float16、bfloat16，其数据类型需要和x保持一致。
  • 若数据类型为int64，则x的数据类型必须为float16且不带transpose输入，同时weight的数据类型必须为int8、数据格式为ND、带transpose输入，可参考undefined。此时只支持per-channel场景，M范围为[1, 96]，且K和N要求64对齐。

• [object Object]Atlas 推理系列产品[object Object] ：数据类型支持float16，其数据类型需要和x保持一致。

• antiquant_offset：Tensor类型，反量化的offset，用于weight矩阵反量化。数据格式支持ND。支持非连续的Tensor，支持输入维度为两维(N, 1)或一维(N,)、(1,)。

  • [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float16、bfloat16、int32。per-group场景shape要求为(N, ceil_div(K, antiquant_group_size))。

    • 若数据类型为float16、bfloat16，其数据类型需要和antiquant_scale保持一致。
    • 若数据类型为int32，则antiquant_scale的数据类型必须为int64。

  • [object Object]Atlas A3 训练系列产品[object Object] ：数据类型支持float16、bfloat16、int32。per-group场景shape要求为(N, ceil_div(K, antiquant_group_size))。

    • 若数据类型为float16、bfloat16，其数据类型需要和antiquant_scale保持一致。
    • 若数据类型为int32，则antiquant_scale的数据类型必须为int64。

  • [object Object]Atlas 推理系列产品[object Object] ：数据类型仅支持float16，其数据类型需要和antiquant_scale保持一致。

• quant_scale：Tensor类型，量化的scale，用于输出矩阵的量化。仅在weight格式为ND时支持，数据格式支持ND，数据类型支持float32、int64，支持输入维度为两维(1, N)或一维(N,)、(1,)。当antiquant_scale的数据类型为int64时，此参数必须为空。

  [object Object]Atlas 推理系列产品[object Object] ：暂不支持此参数。

• quant_offset：Tensor类型，量化的offset，用于输出矩阵的量化。仅在weight格式为ND时支持，数据格式支持ND，数据类型支持float32，支持输入维度为两维(1, N)或一维(N,)、(1, )。当antiquant_scale的数据类型为int64时，此参数必须为空。

  [object Object]Atlas 推理系列产品[object Object] ：暂不支持此参数。

• bias：Tensor类型，即矩阵乘中的bias，数据格式支持ND，数据类型支持float16、float32，支持非连续的Tensor，支持输入维度为两维(1, N)或一维(N,)、(1,)。

• antiquant_group_size：int类型，用于控制per-group场景下的group大小，默认为0。传入值的范围为[32, K-1]且值要求是32的倍数。

  [object Object]Atlas 推理系列产品[object Object] ：暂不支持此参数。

输出说明

输出为Tensor类型，代表计算结果。当输入存在quant_scale时输出数据类型为int8，当输入不存在quant_scale时输出数据类型和输入x一致。

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）。当输入weight为FRACTAL_NZ格式时暂不支持单算子调用，只支持图模式调用。
• x和weight后两维必须为(M, K)和(N, K)格式，K、N的范围为[1, 65535]；在x为非转置时，M的范围为[1, 2^31-1]；在x为转置时，M的范围为[1, 65535]。
• 不支持空Tensor输入。
• antiquant_scale和antiquant_offset的输入shape要保持一致。
• quant_scale和quant_offset的输入shape要保持一致，且quant_offset不能独立于quant_scale存在。
• 当x输入类型为bfloat16类型时，bias的输入类型为float32；当x输入类型为float16类型时，bias的输入类型为float16。
• 如需传入int64数据类型的quant_scale，需要提前调用torch_npu.npu_trans_quant_param接口将数据类型为float32的quant_scale和quant_offset转换为数据类型为int64的quant_scale输入，可参考undefined。
• 当输入weight为FRACTAL_NZ格式且类型为int32时，per-channel场景需满足weight为转置输入；per-group场景需满足x为转置输入，weight为非转置输入，antiquant_group_size为64或128，K为antiquant_group_size对齐，N为64对齐。

支持的型号

• [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 推理系列产品[object Object]
• [object Object]Atlas A3 训练系列产品[object Object]

调用示例[object Object][object Object]

• 单算子模式调用

  [object Object]

• 图模式调用

  [object Object]