---
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_0266.html
sourcePath: /source/zh/canncommercial/900/devaids/amct/atlasamct_16_0266.html
indexId: 04a7bebc6c922d40825be654015c290945d7098d52803e8823688d9366011c0565
---
# 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\_gpu\_mode | 调用该接口之后，AMCT执行权重量化的时候，会使用GPU进行加速。 |
| 公共接口 | set\_cpu\_mode | 调用该接口之后，AMCT执行权重量化的时候，使用CPU进行计算。 |
| 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配置文件。 |
| 训练后量化接口 | init | 训练后量化接口，用于初始化AMCT，记录存储量化因子的文件，解析用户模型为图结构graph，供quantize\_model和save\_model使用。 |
| 训练后量化接口 | quantize\_model | 训练后量化接口，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指定的层插入权重量化层，完成权重量化，并插入数据量化层，将修改后的网络存为新的模型文件。 |
| 训练后量化接口 | save\_model | 训练后量化接口，根据修改后的图结构，插入AscendQuant、AscendDequant等算子，将模型保存为可以做推理的文件，支持保存为可在Caffe环境下做精度仿真的fake\_quant模型，和可在AI处理器上做推理的deploy模型。 |
| 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，输出可以在Caffe环境下做精度仿真的fake\_quant模型，和可在AI处理器上做推理的deploy模型。 |
| 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fake quant仿真模型和deploy部署模型。 |
| 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Caffe模型，适配成可以在AI处理器上做在线推理的Deploy量化部署模型和可以在Caffe环境下进行精度仿真的Fakequant量化模型。 |
| 张量分解接口 | auto\_decomposition | 根据用户提供的Caffe原始模型（.prototxt和.caffemodel），生成张量分解后的模型文件以及权重文件。 |