---
title: ULQ数据量化算法
description: "该算法用于量化感知训练场景。"
url: https://www.hiascend.com/document/detail/zh/canncommercial/latest/devaids/amct/atlasamct_16_0394.html
sourcePath: /source/zh/canncommercial/900/devaids/amct/atlasamct_16_0394.html
indexId: 2c48a95e4f9a10fcf8dcab8fa439eacab9e04a9ea7fd83b8086ef55bce037f2965
---
# ULQ数据量化算法

该算法用于量化感知训练场景。

ULQ（Universal Linear Quantization）算法在训练过程中不断训练量化因子，以减少量化损失。该算法初始化时会对数值做量化（包含截断），对初始化敏感。量化配置中ULQuantize（以PyTorch框架为例，参数解释请参见表1）来控制ULQ算法。

- clip_max_min为初始化的截断范围，clip_min为截断下限，clip_max为截断上限，可根据数据的范围来设置，不设置则使用AMCT自带的默认方式初始化。
- fixed_min表示在训练过程中，是否将截断下限设置为0。例如，当量化层的前一层是ReLU层，则数据范围为[0, +inf]，此场景下数据量化可以设置fixed_min为true，表示截断下限始终为0。