---
title: 整体约束和接口列表
description: "- 若接口中存在需要用户输入文件路径的参数，请确保输入路径正确，AMCT不会对路径做安全校验。"
url: https://www.hiascend.com/document/detail/zh/canncommercial/latest/devaids/amct/atlasamct_16_0208.html
sourcePath: /source/zh/canncommercial/900/devaids/amct/atlasamct_16_0208.html
indexId: 8946446a2fd5b9ae95066e5500296ff45f44ec02e7fafd3dab93522c88d60e7965
---
# 整体约束和接口列表

#### 整体约束

- 若接口中存在需要用户输入文件路径的参数，请确保输入路径正确，AMCT不会对路径做安全校验。
- 若接口中存在需要用户输入文件路径的参数，重新执行量化时，该参数相关取值将会被覆盖；量化打屏日志中也会有相关文件被覆盖的warning风险提示信息。


#### 接口列表

| 分类 | 接口名称 | 功能描述 |
| --- | --- | --- |
| 公共接口 | set\_logging\_level | 设置信息输出的级别，其中信息包括打印在屏幕上的信息以及保存到amct\_log/amct\_tensorflow.log文件中的信息。 |
| 公共接口 | GraphEvaluator | 针对某一个模型，根据模型的bin类型输入数据，提供一个Python实例，可对该模型执行校准和推理的评估器。 |
| 训练后量化接口 | create\_quant\_config | 训练后量化接口，根据图的结构找到所有可量化的层，自动生成量化配置文件，并将可量化层的量化配置信息写入文件。 |
| 训练后量化接口 | quantize\_model | 训练后量化接口，将输入的待量化的图结构按照给定的量化配置文件进行量化处理，在传入的图结构中插入量化相关的算子，生成量化因子记录文件record\_file，并返回量化处理新增的算子列表。 |
| 训练后量化接口 | save\_model | 训练后量化接口，根据量化因子记录文件record\_file和用户待量化的原始pb模型，插入AscendQuant、AscendDequant等算子，然后保存为既可以在TensorFlow环境进行精度仿真又可以在AI处理器做离线推理的pb模型文件。 |
| 训练后量化接口 | accuracy\_based\_auto\_calibration | 根据用户输入的模型、配置文件进行自动的校准过程，搜索得到一个满足目标精度的量化配置，输出既可以在TensorFlow环境下做精度仿真的fake\_quant模型又可在AI处理器上做推理的deploy模型。 |
| 训练后量化接口 | quantize\_preprocess | 量化数据均衡预处理接口，将输入的待量化的图结构按照给定的量化配置文件进行量化预处理（当前仅支持均衡量化），在传入的图结构中插入均衡量化相关的算子，生成均衡因子记录文件record\_file，供后续quantize\_model阶段读取。 |
| 量化感知训练接口 | create\_quant\_retrain\_config | 量化感知训练接口，根据图的结构找到所有可量化的层，自动生成量化配置文件，并将可量化层的量化配置信息写入配置文件。 |
| 量化感知训练接口 | create\_quant\_retrain\_model | 量化感知训练接口，根据用户设置的量化配置文件对图结构进行量化处理，该函数在config\_file指定的层插入数据和weights伪量化层，将修改后的网络存为新的模型文件。 |
| 量化感知训练接口 | save\_quant\_retrain\_model | 量化感知训练接口，根据用户最终的重训练好的模型，插入AscendQuant、AscendDequant等算子，生成最终既可以进行精度仿真又可以进行部署的模型。 |
| 稀疏接口 | create\_prune\_retrain\_model | 通道稀疏或4选2结构化稀疏接口，两种稀疏特性每次只能使能一个。 |
| 稀疏接口 | save\_prune\_retrain\_model | 通道稀疏或4选2结构化稀疏接口，两种稀疏特性每次只能使能一个。 |
| 自动通道稀疏搜索接口 | auto\_channel\_prune\_search | 自动通道稀疏搜索接口，根据用户模型来计算各通道的稀疏敏感度（影响精度）以及稀疏收益（影响性能），然后搜索策略依据该输入来搜索最优的逐层通道稀疏率，以平衡精度和性能。最终输出一个配置文件。 |
| 组合压缩接口 | create\_compressed\_retrain\_model | 静态组合压缩接口，根据用户设置的压缩配置文件对图结构先进行稀疏（通道稀疏或者4选2结构化稀疏，二选一），后插入量化相关的算子，并返回修改后的图。 |
| 组合压缩接口 | save\_compressed\_retrain\_model | 静态组合压缩接口，根据用户最终重训练好的模型，生成最终静态组合压缩模型。 |
| 张量分解接口 | auto\_decomposition | 根据用户提供的TensorFlow模型文件，生成张量分解后的模型文件。 |
| 张量分解接口 | decompose\_graph | 分解训练代码中的图，用于对分解后的模型进行fine\-tune（微调）。 |
| 模型适配接口 | convert\_model | 根据用户自己计算得到的量化因子以及TensorFlow模型，适配成既可以在AI处理器上部署的模型又可以在TensorFlow环境下进行精度仿真的量化模型。 |
| 模型适配接口 | convert\_qat\_model | 根据TensorFlow的QAT量化模型，适配成分别可以在CPU、GPU上进行精度仿真和AI处理器上部署的量化模型。 |